日韩国产二区三区精品

日韩国产二区三区精品?关于作者：17岁之前是小镇做题家，在著名的中国人民币大学学了跟人民币最相关的专业，在国企和互联网做了跟专业距离最远的工作。爱读书、爱电影、爱音乐、爱写作，致力于用多学科的角度解析现实，寻求当下复杂问题的答案。 每体：巴萨正在与德容、埃里克-加西亚和孔德商谈续约

日韩国产二区三区精品?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。 范桂敦记者 武鹏 摄

日韩国产二区三区精品?日本国会参议员任期6年，每三年改选一半。在本次参议院选举中，522名候选人参与争夺125个议席，包括到期改选的124个议席和1个补选议席。

日韩国产二区三区精品?资金盘的参与者可以分为三类：一是“操盘手”，其核心目的是骗取钱财、牟取非法利益；二是“聪明人”，即专业玩盘的人，目的是赚快钱；三是“老实人”，即因为上当受骗参与“资金盘”的人，往往也是损失最惨重的人。

日韩国产二区三区精品?王诗龄在妈妈身边都被衬托得身形小了一圈，李湘独自带孩子依然自信十足，自身强大就是底气的来源，演艺圈至今也没有第二个湘姐出现了。 王兵红记者 康勇敬 摄

日韩国产二区三区精品?目前能接受中国汽研Super Crash 超级碰撞挑战的车都是25万以上的豪华车，这些价格比较高的车用的起2000Mpa以上的超高强度钢板、结构胶、结构胶块以及9-11只安全气囊。目前还没有20万以下的乘用车接受中国汽研Super Crash挑战。 吴志波记者 黄园堂 摄

日韩国产二区三区精品?“对于梅西来说，如果他真的想保持竞技状态，他需要找到一个能够提供更高水平竞争的地方。美职联对梅西而言实在太简单了，你可以看看他的数据，看看他的集锦，他就像在玩PS游戏一样轻松，这对梅西其实没有好处。

日韩国产二区三区精品?但是这一次在姜文的《你行！你上！》中，让大家在“暗房湿发戏”中见识到充满“荷尔蒙女性魅力”的马丽，连马丽老公都说：姜文拍出了12分的马丽。 刘庆向记者 贾立清 摄

日韩国产二区三区精品?他们一抵达现场就被眼尖的网友认出。据网友分享的照片，有着“师奶杀手”之称的陶大宇身穿黑色带有小雏菊的衬衫，下搭深灰色宽松裤。肉眼可见，他真的老了，两鬓头发已花白，但人气依然很高，很多粉丝要跟他合影，他一一配合，非常有亲和力。 孟晓晓记者 韩朝军 摄

日韩国产二区三区精品?“今天是个钓鱼的好天气。”像往常一样，74岁的钓鱼爱好者安国勇将钓竿斜挎在肩膀，骑上电动车，哼着小曲儿，奔向村头的小河。每天早上6点到10点，或是下午是3点到6点，不戴帽子，不涂防晒霜，几十年钓下来，老人的脸被太阳晒得黝黑发亮，就连脖子和手臂都像涂了层巧克力酱。

日韩国产二区三区精品?奈飞第二季度营收110.8亿美元，预估110.6亿美元；第二季度每股收益7.19美元，预估7.08美元；第二季度自由现金流22.7亿美元，预估21.7亿美元。奈飞预计全年营收448亿-452亿美元，此前预计435亿-445亿美元，市场预估445.6亿美元；预计营业利益率29.5％，此前预计29％，市场预估29.7％。奈飞盘后跌超2%。 李强记者 蔡玉华 摄

日韩国产二区三区精品?回到基地之后，申花的首要工作就是进行身体恢复，无论是恢复训练还是队医组为队员们安排的理疗按摩，都是为了帮助队员们在尽可能短的时间恢复体能，以较好的状态投入到周中与河南队的比赛中。

日韩国产二区三区精品?【智车派新闻】近日，中国新能源汽车品牌零跑汽车在海外市场再获殊荣。在由德国汽车工业研究所（IfA）发起的“2025年度德国经销商满意度报告”评选中，零跑汽车荣获“最佳新品牌”称号，并在产品质量、品牌形象、售后服务等多个子项中拔得头筹，充分展现了其在德国市场的强劲竞争力与品牌影响力。

日韩国产二区三区精品?“视频是我传到了摩友群里，但并非我个人发到网络上的。我看到网友们纷纷批评越野车司机的行为，我很感谢大家的支持。”小潘说，他也希望摩友遇到类似情况能够保持冷静。

日韩国产二区三区精品?丽水机场以“山中飞鸟”为设计理念，在建设中融入生态科技，能够实现“一脸通、一证通”全流程自助服务、“托运行李看得见”的行李跟踪系统，旅客可以享受到航班起飞前20分钟截止值机、航班起飞前15分钟关闭登机口的服务承诺。

日韩国产二区三区精品?这一切都看上去不可思议，AI 视频已经能够实现和滤镜一样的应用方式，实时智能调整画面风格和画面内容，并且能够通过文本提示任意地进行控制。

日韩国产二区三区精品?可以看出，全新X3在完成轴距加长后，整车尺寸数据已经完全超越了全新XC60这款“标轴SUV”。X3的轴距，已经可以与标轴版X5持平，其后排空间表现很不错。当然，全新XC60的空间也非常够用，身高一米七的成年男性在后排也能跷二郎腿。

日韩国产二区三区精品?记者注意到，实际上，在这之前，成都武侯区一小区曾数次发生高空抛物的事情，起因是有小孩怕被骂，向楼下抛洒剩菜剩饭，不仅影响环境卫生，还给楼下安全带来隐患。随手抛物、随意摆物，这些看似不经意的日常行为，蕴含着安全隐患与法律风险。《中华人民共和国刑法（2023修正）》《中华人民共和国民法典》《最高人民法院关于依法妥善审理高空抛物、坠物案件的意见》等都对遏制“高空抛物” 不文明行为作出了相关规定。

日韩国产二区三区精品?程先生称，事发后，马先生将他的照片、身份等个人信息公布在网上，当地派出所曾联系过对方，但在这之后对方仍将他的信息发上网，其中包括他未成年的两个孩子的照片，这让他无法忍受。对方还发布了关于他的虚假信息。为此，他也将通过诉讼起诉对方侵权。至于他不与马先生接触的原因，是因为在目前的租赁期内，房屋租赁合同的主体是原承租方，也就是马先生以前所属的公司。 刘晓盈记者 程红刚 摄

日韩国产二区三区精品?从6月下旬特斯拉推出Robotaxi试运营服务以来，特斯拉无人出租虽然在极个别场景下出现了操作不当的问题，但近一个月以来，关于特斯拉无人出租的用户反馈整体上都是正向的。

日韩国产二区三区精品?与饿了么原来“拼团”的对比，可以发现升级后的爆品团，新增“疯爆价”，价格很低，多为10元以下的外卖，而且还能够免拼，用最低价直购，避免了拼团的繁琐过程。（读佳） 杨根山记者 凌俊恒 摄

日韩国产二区三区精品?本文来自微信公众号：九索，作者：经济小张，原文标题：《封面反向买，别墅靠大海？用〈经济学人〉构建一个无脑的高胜率策略》，头图来自：AI生成

日韩国产二区三区精品?报道称，这种自我批评在伊朗极其罕见。佩泽希齐扬还强调了人民在战争中至关重要的作用，称必须重视人民、非政府组织以及其他私营和公共部门的参与，维系人民与政府的团结一致。

日韩国产二区三区精品?这对于英伟达来说损失更大。由于H20芯片是专门为中国特供的芯片，除了售卖给中国，在其他地区没有市场（因为可以买到更好的H100和A100），这轮禁售反映在英伟达财报中。截至2025年4月27日的2026财年第一财季财报，英伟达计提了45亿美元“与H20超额库存和采购义务相关的费用”损失，并表示在禁令之前，2026财年第一财季H20产品的销售额为46亿美元，而随着禁令实施，英伟达无法在第一财季获得额外的25亿美元H20收入，并预计第二财季还将损失80亿美元营收。 ，更多推荐：黄 色 视 频 小游戏