美女被 到流水羞羞

美女被 到流水羞羞?回到摩托上，由于当时仍然是卖方市场，比起日系便宜近半的国产摩托借着这波春风混的风声水起，宗申也在这段时间逐渐发育起来。 这是36岁？吴曦硬扛国安外助破门！霸气抚耳庆祝，疑回手央媒拉踩

美女被 到流水羞羞?面向AI代理的上下文工程：构建 Manus 的经验教训 2025 年 7 月 18 日 季逸超 在Manus 项目伊始，我和团队面临一个关键抉择：是使用开源基础模型训练一个端到端的代理模型，还是基于前沿模型的上下文学习能力构建代理？ 回想我在自然语言处理领域的最初十年，我们没有这样的选择余地。在BERT 的远古时代（是的，已经七年了），模型必须经过微调并评估后才能迁移到新任务。即使当时的模型远小于如今的 LLMs，这一过程每次迭代往往也需数周。对于快速发展的应用，尤其是产品市场匹配前期，这样缓慢的反馈周期是致命的。这是我上一家创业公司的惨痛教训，当时我从零开始训练模型用于开放信息抽取和语义搜索。随后 GPT-3 和 Flan-T5 的出现，让我自研的模型一夜之间变得无关紧要。讽刺的是，正是这些模型开启了上下文学习的新纪元——也为我们开辟了一条全新的前进道路。 这个来之不易的教训让选择变得清晰：Manus 将押注于上下文工程。这使我们能够在数小时内发布改进，而不是数周，同时保持我们的产品与底层模型正交：如果模型进步是涨潮，我们希望 Manus 是船，而不是固定在海床上的柱子。 然而，上下文工程远非简单。这是一门实验科学——我们已经重建了四次代理框架，每次都是在发现了更好的上下文塑造方法之后。我们亲切地称这种手动的架构搜索、提示调整和经验猜测过程为“随机梯度下降”。它不优雅，但有效。 这篇文章分享了我们通过自己的“SGD”达到的局部最优解。如果你正在构建自己的 AI 代理，希望这些原则能帮助你更快收敛。 围绕KV缓存设计 如果只能选择一个指标，我认为KV 缓存命中率是生产阶段 AI 代理最重要的指标。它直接影响延迟和成本。要理解原因，我们先看看典型代理的工作方式： 在接收到用户输入后，代理通过一系列工具调用来完成任务。在每次迭代中，模型根据当前上下文从预定义的动作空间中选择一个动作。然后在环境中执行该动作（例如Manus 的虚拟机沙箱），以产生观察结果。动作和观察结果被追加到上下文中，形成下一次迭代的输入。这个循环持续进行，直到任务完成。 正如你所想象的，上下文随着每一步增长，而输出——通常是结构化的函数调用——则相对较短。这使得预填充与解码之间的比例在代理中远远偏高，区别于聊天机器人。例如，在 Manus 中，平均输入与输出的Token比约为100:1。 幸运的是，具有相同前缀的上下文可以利用KV 缓存，这大大减少了首次生成标记时间（TTFT）和推理成本——无论你是使用自托管模型还是调用推理 API。这里的节省可不是小数目：以 Claude Sonnet 为例，缓存的输入标记费用为 0.30 美元/千标记，而未缓存的则为 3 美元/千标记——相差 10 倍。 从上下文工程的角度来看，提高KV 缓存命中率涉及几个关键做法： 保持提示前缀稳定。由于LLMs 的自回归特性，即使是单个标记的差异也会使该标记及其之后的缓存失效。一个常见错误是在系统提示开头包含时间戳——尤其是精确到秒的时间戳。虽然这样可以让模型告诉你当前时间，但也会大幅降低缓存命中率。 使你的上下文仅追加。避免修改之前的操作或观察。确保你的序列化是确定性的。许多编程语言和库在序列化JSON 对象时不保证键的顺序稳定，这可能会悄无声息地破坏缓存。 在需要时明确标记缓存断点。一些模型提供商或推理框架不支持自动增量前缀缓存，而是需要在上下文中手动插入缓存断点。设置这些断点时，应考虑缓存可能过期的情况，至少确保断点包含系统提示的结尾部分。 此外，如果你使用像vLLM 这样的框架自托管模型，确保启用了前缀/提示缓存，并且使用会话 ID 等技术在分布式工作节点间一致地路由请求。 遮蔽，而非移除 随着你的智能体功能不断增强，其动作空间自然变得更加复杂——简单来说，就是工具数量激增。最近 MCP 的流行更是火上浇油。如果允许用户自定义工具，相信我：总会有人将数百个神秘工具接入你精心策划的动作空间。结果，模型更可能选择错误的动作或走低效路径。简而言之，你的重装智能体反而变得更笨。 一种自然的反应是设计动态动作空间——或许使用类似 RAG 的方式按需加载工具。我们在 Manus 中也尝试过。但实验表明一个明确的规则：除非绝对必要，避免在迭代过程中动态添加或移除工具。主要有两个原因： 1. 在大多数LLMs 中，工具定义在序列化后通常位于上下文的前部，通常在系统提示之前或之后。因此，任何更改都会使所有后续操作和观察的 KV 缓存失效。 2. 当之前的操作和观察仍然引用当前上下文中不再定义的工具时，模型会感到困惑。如果没有受限解码，这通常会导致模式违规或幻觉操作。 为了解决这一问题，同时提升动作选择的效果，Manus 使用了一个上下文感知的状态机来管理工具的可用性。它不是移除工具，而是在解码过程中屏蔽Token的对数概率，以根据当前上下文防止（或强制）选择某些动作。 在实际操作中，大多数模型提供商和推理框架都支持某种形式的响应预填充，这使你可以在不修改工具定义的情况下限制动作空间。函数调用通常有三种模式（我们以NousResearch 的 Hermes 格式为例）： 自动——模型可以选择是否调用函数。通过仅预填回复前缀实现：<|im_start|>assistant 必需——模型必须调用一个函数，但选择不受限制。通过预填充到工具调用标记实现：<|im_start|>assistant 指定——模型必须从特定子集中调用函数。通过预填充到函数名开头实现：<|im_start|>assistant {"name": “browser_ 利用此方法，我们通过直接屏蔽标记的对数概率来限制动作选择。例如，当用户提供新输入时，Manus 必须立即回复，而不是执行动作。我们还特意设计了具有一致前缀的动作名称——例如，所有与浏览器相关的工具都以 browser_开头，命令行工具以 shell_开头。这使我们能够轻松确保代理在特定状态下仅从某一组工具中选择，而无需使用有状态的对数概率处理器。 这些设计有助于确保Manus 代理循环保持稳定——即使在模型驱动架构下也是如此。 将文件系统用作上下文 现代前沿的LLMs 现在提供 128K Token或更多的上下文窗口。但在现实世界的智能代理场景中，这通常不够，有时甚至成为负担。有三个常见的痛点： 1. 观察内容可能非常庞大，尤其是当代理与网页或PDF 等非结构化数据交互时。很容易超出上下文限制。 2. 即使窗口技术上支持，模型性能在超过某个上下文长度后往往会下降。 3. 长输入代价高昂，即使使用前缀缓存也是如此。你仍然需要为传输和预填充每个标记付费。 为了解决这个问题，许多智能体系统实施了上下文截断或压缩策略。但过度压缩不可避免地导致信息丢失。问题是根本性的：智能体本质上必须基于所有先前状态来预测下一步动作——而你无法可靠地预测哪条观察在十步之后可能变得关键。从逻辑角度看，任何不可逆的压缩都存在风险。 这就是为什么我们将文件系统视为Manus 中的终极上下文：大小无限，天生持久，并且可以由智能体自身直接操作。模型学会按需写入和读取文件——不仅将文件系统用作存储，更作为结构化的外部记忆。 我们的压缩策略始终设计为可恢复的。例如，只要保留网址，网页内容就可以从上下文中删除；只要沙盒中仍有文档路径，文档内容也可以省略。这使得 Manus 能够缩短上下文长度而不永久丢失信息。 在开发此功能时，我不禁想象，状态空间模型（SSM）要在具代理性的环境中有效工作需要什么条件。与 Transformer 不同，SSM 缺乏完全的注意力机制，难以处理长距离的向后依赖。但如果它们能掌握基于文件的记忆——将长期状态外部化而非保存在上下文中——那么它们的速度和效率可能会开启新一代代理。具代理性的 SSM 或许才是神经图灵机的真正继任者。 通过背诵操控注意力 如果你使用过Manus，可能会注意到一个有趣的现象：在处理复杂任务时，它倾向于创建一个 todo.md 文件，并随着任务的推进逐步更新，勾选已完成的事项。 这不仅仅是可爱的行为——这是一种有意操控注意力的机制。 Manus 中的一个典型任务平均需要大约 50 次工具调用。这是一个较长的循环——由于 Manus 依赖 LLMs 进行决策，因此在长上下文或复杂任务中，容易偏离主题或忘记之前的目标。 通过不断重写待办事项清单，Manus 将其目标反复写入上下文末尾。这将全局计划推入模型的近期注意力范围，避免了“中途丢失”问题，减少了目标不一致的情况。实际上，它利用自然语言来引导自身关注任务目标——无需特殊的架构改动。 保留错误信息 智能体会犯错。这不是漏洞——这是现实。语言模型会产生幻觉，环境会返回错误，外部工具会出现异常，意外的边缘情况时常发生。在多步骤任务中，失败不是例外；它是循环的一部分。 然而，一个常见的冲动是隐藏这些错误：清理痕迹，重试操作，或重置模型状态，寄希望于神奇的“温度”参数。这看起来更安全、更可控。但这付出了代价：抹去失败就抹去了证据。没有证据，模型就无法适应。 根据我们的经验，改善智能体行为的最有效方法之一看似简单：在上下文中保留错误的路径。当模型看到失败的操作及其产生的观察结果或堆栈跟踪时，它会隐式地更新内部信念。这会使其先验偏离类似的操作，从而减少重复同样错误的可能性。 事实上，我们认为错误恢复是衡量真正智能体行为的最明确指标之一。然而，在大多数学术研究和公开基准测试中，这一指标仍然被忽视，这些研究和测试通常侧重于理想条件下的任务成功率。 避免被少量示例限制 少量示例提示是提升LLM 输出的常用技巧。但在智能体系统中，它可能以微妙的方式适得其反。 语言模型擅长模仿；它们会复制上下文中的行为模式。如果你的上下文充满了类似的过去动作-观察对，模型往往会遵循这种模式，即使这已不再是最优选择。 在涉及重复决策或操作的任务中，这可能会带来危险。例如，在使用Manus 帮助审查一批 20 份简历时，代理经常陷入一种节奏——仅仅因为上下文中出现了类似内容，就重复执行相似的操作。这会导致偏离、过度泛化，甚至有时产生幻觉。 解决方法是增加多样性。Manus 在动作和观察中引入少量结构化的变化——不同的序列化模板、替代表达、顺序或格式上的细微噪声。这种受控的随机性有助于打破模式，调整模型的注意力。 换句话说，不要让少量示例把自己限制在固定模式中。上下文越统一，代理就越脆弱。 结论 上下文工程仍是一门新兴科学——但对于代理系统来说，它已经至关重要。模型可能变得更强大、更快速、更廉价，但再强的原始能力也无法替代记忆、环境和反馈的需求。你如何塑造上下文，最终决定了代理的行为：运行速度、恢复能力以及扩展范围。 在Manus，我们通过反复重写、走过死胡同以及在数百万用户中的实际测试，学到了这些经验。我们在这里分享的内容并非普遍真理，但这些是对我们有效的模式。如果它们能帮助你避免哪怕一次痛苦的迭代，那么这篇文章就达到了它的目的。 智能代理的未来将由一个个情境逐步构建。精心设计每一个情境。 谢军伟记者 赵雪梅 摄

美女被 到流水羞羞?随着公安系统身份信息建设的推进，无身份、无户籍的魏某在当地生活也受到了极大的限制，他不敢考驾照、不敢办银行卡，外出找人开车，连住宿也要借用他人身份。

美女被 到流水羞羞?当2025年的我们对着衣柜发愁时，真正焦虑的或许是在这个算法主导、流量至上的时代，我们是否正在失去“穿得不一样”的权利？

美女被 到流水羞羞?与此同时，2022年，中国在人工智能、量子技术等44项关键技术中有37项领先全球，而美国仅主导7个领域。中国现已掌握包括高超音速导弹和核洲际弹道导弹在内的先进军事技术。中国造船业产能约为美国的230倍。 许开国记者 米红亮 摄

美女被 到流水羞羞?报道称，此前，加州公共事业委员会虽批准了特斯拉的网约车许可，但这一许可并不授权特斯拉向普通公众提供乘车服务或运营完整的网约车平台。特斯拉现持有的配备安全驾驶员的测试许可，也仅限于开展带安全员的测试，无法进行无人驾驶商业运营。报道指出，尽管马斯克对特斯拉无人出租车服务的扩展充满信心，但在严格的监管环境下，特斯拉要在加州顺利开展无人驾驶测试或部署，并实现商业运营，仍有很长的路要走。 刘书芳记者 王金起 摄

美女被 到流水羞羞?韩鹏得到的改造球队时间着实有限，这种“仓促”也直接反映在比赛中。上半场，一个非常直观的感受是，对手是在打配合，泰山队则是在寻求配合。在进攻端，泰山队依旧未能打出太多战术配合，更多的还是依靠前场外援的“即兴发挥”。与之相比，英博的进攻更为流畅。

美女被 到流水羞羞?另据证券时报报道，在SpaceX投资的消息传出之前，彭博社报道称，xAI正准备再次向投资者融资，此轮交易可能会使公司估值高达2000亿美元（约合人民币14337亿元），是去年年初估值的10倍。 张保仁记者 刘宁 摄

美女被 到流水羞羞?香港科技大学新闻稿称，发光二极管（LED）已广泛应用于电子产品数十年。量子材料的最新进展催生了量子点 LED（QLED）和 QRLED。两者都提供窄发射带宽和高色纯度，超越了传统 LED。在这些技术中，QRLED 以更高的光输出耦合效率脱颖而出。然而，QRLED 面临挑战：由于电荷注入效率低、界面电子泄漏以及阻碍电荷传输和稳定性的结构障碍（如厚绝缘壳和长有机配体（附着在纳米棒表面的分子）），其绿色发射表现不如 QLED。 赵桂春记者 迟志均 摄

美女被 到流水羞羞?贾国龙：现在倒闭的已经很多了。现在每年关的饭店不少于100万家，总共存量也就不到1000万家，10%以上的饭店关了开，开了关。可能也有行业特点，原来可能是一个小服装店，服装店开不下去了，关了服装店开餐饮，商场里边餐厅已经占到一半了，餐厅供给严重过剩。

美女被 到流水羞羞?此前，钟薛高旗下钟茂公司同样因债务问题进入破产审查程序，未履行金额超2572万元，未履行比例达99.98%。钟薛高旗下另一公司盘箸有喜公司因资不抵债被债权人申请破产，由上海市第三中级人民法院受理。 张中飞记者 程保鹏 摄

美女被 到流水羞羞?2025年7月9日，杨少华老先生因病抢救无效，在天津逝世，享年94岁！7月10日在天津市天圣殡葬举行吊唁仪式！7月10日21时举行送路仪式！7月11日上午9点在天津市天圣殡葬公司集合，去天津市第一殡仪馆举行遗体告别！

美女被 到流水羞羞?北京时间7月20日，中国篮球之队官方宣布，锋线主力大将曾凡博因为伤病恢复情况尚未达到随队出征的水平，将返回俱乐部康复训练，将无缘今年的男篮亚洲杯。在曾凡博与张镇麟均无缘今年男篮亚洲杯情况下，对于中国男篮的锋线是巨大挑战。

美女被 到流水羞羞?6月20日晚，该校动物医学院一名包姓负责人表示，博士生希望早点毕业，可以理解。保证博士生论文质量，是提升博士培养质量的一个体现。如今，本科生的论文都会被教育主管部门抽检，研究生阶段的论文、科研更应该严格要求。

美女被 到流水羞羞?门德斯近日在巴塞罗那，不仅在日前完成了亚马尔的续约，还与巴萨主席拉波尔塔以及管理层成员如德科、博扬、埃切韦里亚一起在餐厅吃饭庆祝。据西班牙电视节目El Desmarque透露，在这顿饭期间，大家讨论到了邓弗里斯，以及他在右路作为孔德以外另一个选项的前景。但至少目前，这一切还只是处于“聊天”阶段。

美女被 到流水羞羞?雒成通告诉记者，购买使用套牌的动机更是五花八门，有的为了炫耀所谓“连号”“靓号”，有的意图逃避交通违法处罚，还有一部分竟是为了实施盗窃等违法犯罪，社会危害性较大。

美女被 到流水羞羞?今年巴萨的注册再次成为了焦点，特巴斯表示现阶段并不感到担忧：“这完全取决于巴塞罗那自己。最近几天我没有特别关注此事，这是联赛经济控制团队的工作范围。所有注册信息都会公布在我们的网站上，如果某些球员还没有被正式登记，那么可能是由于某些原因导致的。坦白说，我对巴塞罗那本赛季的情况并不太担心。”

美女被 到流水羞羞?德惠市的王喜民的账户被冻结，而收到一审判决的却仍是吉林省通化市辉南县的王喜民——也就是陈先生真正要起诉的人。一审判决显示，辉南县的王喜民经公告送达开庭传票，未到庭参加诉讼，亦未提交书面答辩状。

美女被 到流水羞羞?不过换个角度看，也许黄杨钿甜性格就不适合混圈，她是童星出身，面对复杂娱乐圈环境，父母没能教好女儿，整个家庭都存在一定问题，明治自身有错，还不积极应对，很容易造成负面引导。 吉茂明记者 朱先刚 摄

美女被 到流水羞羞?对于爱康对张女士的体检结果是否存在问题，爱康将和张女士一起委托第三方权威机构及专家来进行论证分析，最终以第三方权威机构及专家意见为准。如果出现爱康有责，爱康一定会承担责任，绝不会逃避。

美女被 到流水羞羞?除了亲戚朋友外，董璇的圈中好友关悦也来到了婚礼现场，关悦一身中式旗袍非常的有女人味，她和身边的人愉快的交谈着，一起喝着喜酒。 刘文秀记者 刘俊生 摄

美女被 到流水羞羞?真是让人想不到，这位被冠上“一妻一女一布鞋”的企业家，原来所有的形象都是在对外作秀罢了，72岁的年龄还能有私生子，也真是“老当益壮”。

美女被 到流水羞羞?酒泉中院还认为，上诉人李某是以其对案涉车辆享有所有权为由提起诉讼，杜虎亦以其对案涉车辆享有所有权为由提起反诉，双方诉讼请求所依据的基础法律关系明显不同，杜虎的诉讼请求不符合反诉条件，应当另案主张。

美女被 到流水羞羞?报道称，尽管央视没有明确指出该武器是石墨炸弹，但其特征与已知石墨炸弹高度吻合。视频下方很快就有不少网友评论，猜测该武器可能会被用于打击台湾地区的电力系统。 ，更多推荐：18 流白浆 小蘑菇