91禁

91禁?在价值层面上，旅行车之所以小众，一定程度上也是因为它此前被贴上 “老气”“工具车” 或 “昂贵进口车” 的标签。传统旅行车往往给人留下功能性有余、科技感不足的印象——要么是来自欧洲的高价进口车，要么是过于偏重实用的产品，注定成为少数人的玩具或者工具。 特朗普：确实击落了！印度海内吵翻

91禁?7月18日至8月30日，MEILI葛塘足球狂欢赛将在美利广场开赛，共16支本土球队参加，通过32场巅峰竞赛，在8月30日决出最后的冠军，并获得5000元现金奖励。 李现辉记者 杨瑞桢 摄

91禁?从娃哈哈股权关系看，目前国有股占比46%，由杭州市上城区国资局持有；宗馥莉持有继承股，占比29.4%；此外有24.6%的职工股。据报道，杭州地方政府与宗馥莉、杜建英两方均协商过收购事宜。

91禁?产品营造上，“紫京宸园”深研宋代美学精髓，追求宅、园、人的和谐共生。建筑规制承袭《营造法式》，打造三重归家礼序，融入“山花抱厦”、“虹桥卧波”等经典宋式元素，成就当代宋风大成之作。

91禁?特朗普政府上台后在关税政策、盟友关系等方面制造重大不确定性，“大而美”法案削弱美国发展可再生能源的努力，这些都应促使美国重新考虑对华竞争的做法。以冷战思维开展对华交往不合时宜，更不可行。高关税和贸易威胁削弱了美国的国际信誉和外交稳定性。 戴海林记者 余成惠 摄

91禁?现在足球是一个数字游戏，出售的艺术与购买的艺术同等重要，在某些方面，伊萨克的潜在交易会被视为不可抗拒。明智地使用这笔钱，它可以成为建立冠军球队的基础，就像利物浦出售库蒂尼奥并用这笔钱购买阿利松和范戴克时那样。 马俊霞记者 徐中州 摄

91禁?最近，全国产粮大县吉林省四平市梨树县“流量”不小。呼吸田野空气，逛吃农村早市，欣赏落日美景……不少宿营爱好者把在这里的故事拍成短视频发布在社交媒体上。

91禁?房小姐，针对北京新房市场的详细信息，做到最快速、最全面。我们的分析师团队做了十多年的房产分析师，需要的可添加二维码获取客观评估咨询。 董定元记者 徐汉江 摄

91禁?“我们已进行了大量准备工作。”美国银行CEO Brian Moynihan表示，该行目前正在深入研究客户需求，将在适当时机推出稳定币产品，并可能与其他金融机构展开合作。 董世霞记者 李斌 摄

91禁?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。

91禁?北京虽控制总人口，但内部人口分布在优化，好区域越来越抢手，差区域越来越冷清，核心区比如海淀、东西城，现在都顶不住子弹壳的扫射，更何况那些远在边界、产业空心化的区域，价格再低也难吸引购房者。如果你有远郊区的房子且无自住需求，建议能卖就卖，早跑早获益，哪怕近郊区（重点）。如果你是刚需，囊中羞涩，又要住房，这些区域倒是可以考虑买，首付十几二十万就能入手，比租房划算。但别幻想涨价。 张玉国记者 陈元新 摄

91禁?其中κ(x,y,t)为视频帧给定像素依据光流及空间信息得到的码本索引，这一基于时空先验的压缩方式在原视频上近乎可以保持无损。不同于Vector Quantization仅考虑颜色相似性的做法，这一压缩方案保证了被聚合的像素之间的时空关联性，保证对应同一个码本值的不同像素具有相似的时空一致性优化目标和梯度。

91禁?其实，医疗领域一直是拥抱科技的前沿领域，此前医疗领域的信息化建设构建了数字医疗的基础，伴随着ChatGPT、DeepSeek等生成式人工智能的发展，为医疗领域发展再次注入动力。

91禁?这件事情后我决定带着薯条回国。一方面是资源不匹配，另一方面，家庭干预的局限性已经显现：他只对我一个人有回应，对同龄孩子几乎零关注。

91禁?这期间，战略并购如同撬动增长的杠杆，成为瀚蓝实现数次跨越式发展的关键引擎。从2006年的并购南海环保电厂，到2014年并购创冠中国，再到后来的纵横一体化产业链延伸，瀚蓝以敏锐的市场嗅觉与果决的行动力，一次次抢占行业先机。

91禁?比如t恤的肩线得正好卡在肩膀上，太宽了显垮，太窄了勒得慌，要是胳膊有点拜拜肉，就选七分袖，刚好遮到胳膊最粗的地方，又比长袖清爽。

91禁?片中的内容过于的黑暗与偏激，对人性的剖析也过于的深刻，注定了这部戏的票房无法非常的亮眼，可胡歌依旧接下，只因胡歌觉得：这是一部值得的作品。

91禁?"我们是普通的农村家庭，现在不知道该怎么办。"杨女士告诉潇湘晨报记者，在儿子失联后，曾多次接到电话，称有缅甸军方的关系，可以帮他们把人救出来，但是需要支付20万元的费用，杨女士担心受骗，每次接到相关电话，都很谨慎地处理。

91禁?在美国总统特朗普称“印巴春季冲突”期间确实有多架战机被击落后，印度反对党国大党迅速要求莫迪政府公开印军在冲突中的真实损失，而人民党方面则怒斥国大党领导人拉胡尔·甘地是叛徒，并质问他是不是在帮助巴基斯坦这个对手说话。 赵新治记者 付开国 摄

91禁?事实上，我们相信错误恢复是真正 Agent行为最清晰的指标之一。然而，在大多数学术工作和公开基准测试中，它仍然没有得到充分的体现，这些工作和测试通常关注在理想条件下的任务成功率。

91禁?日常穿衣越简单才越省力，如果每天都没有太多的穿衣灵感，其实可以从下面这27套穿搭中总结出一些经验和技巧，为塑造出日常着装出力，简约又舒适。 韩君涛记者 马晓光 摄

91禁?前述瓜州县交通运输局信访答复意见称，根据一审判决书表述，该车辆明确登记在货运代理部及商贸公司名下，商贸公司工作人员经请示派出所同意后，将车辆拖走。

91禁?据悉，我国税务机关获取居民境外收入信息的主要渠道是CRS系统。这一由经济合作与发展组织（OECD）在2014年制定的国际税收合作机制，要求参与国金融机构识别并申报外国税务居民的金融账户信息，比如说，当中国税务居民在CRS参与方的金融机构开设账户时，相关账户信息将通过CRS机制自动交换至中国税务机关。

91禁?不少网友都表示小孩子自己明白谁才是最爱自己的那一个，早年李小璐上节目就曾透露过，两人结婚的时候，洞房都没闹，第二天贾乃亮就飞走拍戏去了，把李小璐独自留在家里捧着肚子哭。
，更多推荐：水仙🔞直播