爆 喷水 洗澡 真人

爆 喷水 洗澡 真人?他的传球能力非常出色，不仅能够传出一些精准的助攻，而且他的传球视野非常好。我希望看到他更多地进行简单的传球，尤其是在与以及与不太出色的队友配合。 上了年岁的女人，万万别盲目跟风模拟，这些穿衣思绪适用优雅

爆 喷水 洗澡 真人?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。 田风喜记者 周利 摄

爆 喷水 洗澡 真人?都知道小扎用人均上亿美元薪酬包组队“超级智能实验室”，不过最新消息是内部围绕这个实验室，已经整合出了3400多人的新组织。这个新组织的头号负责人是Alexandr Wang（亚历山大·王），title是首席人工智能官（CAIO），副手是前GitHub首席执行官Nat Friedman，主要分管AI产品和应用。

爆 喷水 洗澡 真人?今年3月，齐同生被开除党籍。经查，齐同生丧失理想信念，背弃初心使命，长期搞迷信活动；无视中央八项规定精神，违规接受宴请；违规收受礼金；贪婪腐化，恣意妄为，将公权力作为谋取私利的工具，搞权钱交易，利用职务便利为他人在采矿权证办理、工程承揽等方面谋利，并非法收受巨额财物。

爆 喷水 洗澡 真人?房东认为，马先生入住后搬进了不少家具，不排除这些家具产生甲醛的可能。在马先生对甲醛产生问题后，他曾告诉过对方，如果有异议，可以让公司通过司法途径解决。届时可以从法院指定名单中选择一家公司再进行甲醛检测，前提是不允许有租客的家具及设备。 韩应求记者 梁蕊麒 摄

爆 喷水 洗澡 真人?2024年，当“娃哈哈迎来首位外籍董事”冲上微博热搜词条时，彼时不明真相的网友，都还发自内心地送上祝福，祝福企业越来越好。 崔长明记者 王景杰 摄

爆 喷水 洗澡 真人?需要进一步说明的是，根据人民卫生出版社出版的2022版《肾细胞癌诊疗指南》，目前尚无公认的用于肾细胞癌早期辅助诊断的血清肿瘤标志物，也就是张女士提到的癌胚抗原CEA的检测结果与肾细胞癌没有被认可的关联性，不能用于是否存在肾细胞癌的风险评估。

爆 喷水 洗澡 真人?有人惊喜地为他送上祝福，期待他在爱情的滋养下能够更加成熟与出色；同时也有人表达了对他职业发展的担忧，认为在事业的关键时刻，不应过多关注情感生活。 王学彪记者 张广明 摄

爆 喷水 洗澡 真人?在日本广播协会20日晚播出的参议院选举特别节目中，石破茂表示："必须清醒认识到对国家肩负的责任，以及作为国会第一大党的使命，我将继续履行职责。" 陈阿强记者 张如区 摄

爆 喷水 洗澡 真人?2023年吴羽卿参演了徐纪周导演的电视剧《狂飙》，在剧中饰演角色高晓晨。同年，他还参演了肖战、李沁主演的电视剧《梦中的那片海》，并在剧中饰演角色小六。

爆 喷水 洗澡 真人?澎湃新闻于2025年6月逐一询问涉事学生当时的细节情况，这些学生均表示因当时仅视其为普通兼职，未留存聊天记录，对中介真实身份、所属公司等关键信息一无所知，目前也联系不上了。 朱俊峰记者 莫永明 摄

爆 喷水 洗澡 真人?对于当地教育主管部门、市场监管部门，纪检监察机关已对麦积区教育局局长何旭、区市场监管局局长张海斌等5人立案审查调查。这些身处重要岗位的负责人不仅没能履职尽责，还利用职权涉嫌收受贿赂，必须付出代价。

爆 喷水 洗澡 真人?在被问及美国政府是否会寻求收回中国投资者现有的土地时，罗林斯表示，他们正在考虑“所有可用选项”作为收回努力的一部分，并表示白宫可能会“很快”发布行政命令。

爆 喷水 洗澡 真人?他也呼吁，行业应该回归理性，希望社会各界能够一起讨论和反思，这种冲单到底对社会有没有正面影响，对整个产业持续发展有没有意义。

爆 喷水 洗澡 真人?女方家族资产超百亿新台币，而他出身复杂。生父涉及经济犯罪，母亲后来改嫁。外界嘲笑他"攀豪门"，认为他配不上这个千金小姐。

爆 喷水 洗澡 真人?据外媒援引两位英伟达员工透露，最近几周，英伟达公司正在与一些最大型的中国客户沟通，了解他们具体的芯片需求。英伟达还在收集客户对H20的反馈意见，以及对下一代产品的改进建议。这些交流将帮助英伟达决定，是否值得继续追加H20订单。（TechWeb）

爆 喷水 洗澡 真人?其实不管结果如何，这种冲突很正常。成长本来就是不断试错的过程，关键是双方都能沟通开。现在舆论热闹归热闹，关键还是要看家庭内部怎么解决。每个人的情况都不一样，说到底还是得自己拿主意。

爆 喷水 洗澡 真人?但去年4月，越通社通报，王庭惠违反越南共产党党员行为禁令，身为越共中央委员、中央政治局委员，未能发挥模范表率作用。因此他主动辞职，请求退休。有评论指出，王庭惠在助手涉顺安集团行贿案被捕四天后辞去国会主席，最终获党内警告处分。

爆 喷水 洗澡 真人?当年那些恩恩怨怨、分分合合的细节，再次被大家议论，就像你好不容易把旧箱子里的破烂扔了，结果有人硬生生从垃圾桶里捡出来，还举着喇叭跟街坊邻居展示，那种别扭劲儿可想而知。 姚耿记者 李连重 摄

爆 喷水 洗澡 真人?此前“新华社”视频账号用吴曦对阵越南时躲球的一幕，拉踩这位前国足队长，引发了许多网友的愤怒。这次，吴曦在工体的精彩进球，确实是有力的回击。

爆 喷水 洗澡 真人?点击“证书查询”，选择制造商，能查询到结果的表示符合国家安全标准，如果显示“没有找到该证书”，就是不合格的，也可将防伪码输入到“证书编号”中查询。 王其巧记者 刘军卫 摄

爆 喷水 洗澡 真人?在颜色的选用上，是大家一定要重点关注的一个环节，因为如果色彩的挑选太过于死板以及单一，其实在无形之中就制约了个人气质的展现。在色系的运用上，建议大家可以适当的来一点彩色，不仅可以打造出提亮视觉的效果，而且色系选用精准的话，更是可以达到减龄且提升气质的优势。

爆 喷水 洗澡 真人?“我们是郑州率先开展外摆的五星级酒店，6月24日开始，每天下午5点半到7点半，在我们准备出摊时，客人已经排队等了，营业时间不得不提前，最快的一次37分钟卖光，成交近500笔，营业额超过3万元。”

爆 喷水 洗澡 真人?首先是一些用户抱怨钉钉“变味”了，产品“越来越重”。其次是“相比于飞书等竞争对手，产品创新方面显得保守、AI转型方面准备不足”，技术人士王磊称。一些重要客户，如阿里参投的小鹏汽车，因钉钉无法满足需求转投飞书。 ，更多推荐：女仆白丝jk