妻友

妻友?小马智行采用软硬件协同设计的方式对域控制器进行定制化开发，在满足全无人 Robotaxi 整体系统与功能要求以及 L4 软件算法性能和安全性需求的前提下，域控制器在体积、重量、功耗、成本方面分别降低了 50%~80%，有效压缩硬件成本。经过算法的迭代升级和推理效率的极致优化，小马智行在已大规模量产上车、技术与供应链成熟、成本更低的车规级芯片上，实现了 L4 级别的自动驾驶能力与安全保障。 惊艳！湖大2025高考录取通知书，长这样！

妻友?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。 王留政记者 刘丰伟 摄

妻友?而目前的情况，众所周知，美军并没有亲自介入乌克兰危机。如此说来，乌克兰军队难道不听泽连斯基的，而听美国调遣，听特朗普调遣？

妻友?参考消息网7月21日报道 据路透社7月21日援引俄罗斯媒体报道，乌克兰无人机对俄罗斯的大规模袭击21日在莫斯科主要机场引发混乱。多架次航班取消或延误，数以千计的乘客排队等候或睡在机场地板上。

妻友?高东介绍，这些西瓜都是3毛钱一斤收购，每个10斤到15斤不等，拉回城区后全部2元一个卖掉，目前已卖了3万多斤，所得3000多元钱全部捐给红十字会，定向用于助农。他表示，这批西瓜不赚钱，但助农不讲成本，预计亏损一万多元，自己可以承受。 孙继龙记者 张剑峰 摄

妻友?黄仁勋称，当前，世界越来越动荡，变化越来越快，我们比以往任何时候都更需要中国供应链的专业能力。全球供应链脱钩并不现实，中国不仅是全球供应链的重要一环，还为其他国家的供应链提供技术和产品。此外，对英伟达而言，中国市场也是独一无二的。 卢光扩记者 刘维印 摄

妻友?比如迪丽热巴主演的《利剑玫瑰》，以现代都市为背景，但镜头对准了拐卖妇女儿童的社会热点话题，直面人性深渊，还没播出就已经让人期待不已。

妻友?大S活着的时候花钱太没数，导致给孩子留的钱也不多，不靠亲爸汪小菲就真指望了，一句句客观让人无法反驳也没给S家留面子。 石娜娜记者 周艳星 摄

妻友?潘浩男已经开始幻想着有一天他和李雅晴的婚礼。“到了那天，我就找一排粪便清运车，刷得干干净净地跟在婚车后面，肯定特别不一样。”他说。 康定蕊记者 张茂起 摄

妻友?不过这一过程并不简单，用户需要手动调整每个游戏的文件，并进一步调整设置以获得最佳体验，此外用户还需要在游戏目录中单独安装FSR 4，不过这因游戏而异。

妻友?“上海公立医院医生评估，疤痕淡化属长期过程，后续费用或高达数百万元。校方认为费用过高，双方赔偿方案未能达成一致。”诸先生告诉记者，6月24日，校方一名负责人表示，为妥善处理，校方已经向上级有关部门提出调解申请，有关部门也已受理并愿意组织双方协商调解处理。后续诸先生因联系不上校方，所以在6月26日时联系上温州市龙湾区教育局。 赵建红记者 刚志朝 摄

妻友?另外，有报道称，宗馥莉出示了宗庆后2020年遗嘱，遗嘱中明确 “境外资产由独女继承，其他子女不得主张任何权利”，该遗嘱见证人包括娃哈哈集团副总裁潘家杰、财务总监方强等核心高管，但并无任何家族成员在场。

妻友?值得注意的是，在美国到处挥舞关税大棒的背景下，美国来华参展企业的数量却较上届增长了15%，继续位列境外参展商数量之首。英伟达、美敦力等大批知名跨国公司更是首次亮相。

妻友?赵良善认为，从法律视角看，根据《中华人民共和国消费者权益保护法》第二十条规定，经营者向消费者提供有关商品或者服务的质量、性能、用途、有效期限等信息，应当真实、全面，不得作虚假或者引人误解的宣传。蔚来在《车主权益告知书》中未提及里程对权益的影响，却以里程过高取消权益，与法律背道而驰，涉嫌虚假宣传或误导性商业宣传。

妻友?IT之家 7 月 20 日消息，据中国民航报消息，近日，民航局向天津七六四通信导航技术有限公司颁发了国产仪表着陆系统 ILS900 的民航临时使用许可证。这是我国 23 类空管通信、导航和监视设备国产化取证征程中最后一个被攻克的“堡垒”，标志着中国民航彻底摆脱了空管核心装备长期依赖进口的历史。

妻友?威利于2024年夏天从亚特兰大联队转会至切尔西，他在11岁时加入亚特兰大联队，上赛季上半段，他被租借至斯特拉斯堡，随后加盟沃特福德。

妻友?在夜查整治行动中，多数酒驾司机被查时都后悔不已，表示自己虽明知酒驾违法，但一时心存侥幸。也有一些驾驶人因饮酒后，在酒精的作用下，被查后行为失控，不配合民警工作，甚至选择闯卡等危险方式企图逃避处罚。

妻友?两届冠军得主内皮尔在2011年和2014年的康涅狄格大学夺冠征程中发挥了关键作用。作为大一新生，他是替补席上的第一人——那一年是由肯巴-沃克带领球队的赛季。到了大四那年，他被评为最终四强赛的最杰出球员。内皮尔在大四时取得的成就尤为梦幻，因为他回到康涅狄格大学的目标是重返NCAA锦标赛，而他们的球队在2013年被禁赛了。

妻友?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。 武振英记者 李桂英 摄

妻友?主持人: Rimas 沿着这些思路，Dario，你的CEO，最近谈到人工智能将占据很大一部分，比如，我不知道，一半的白领工作，失业率可能会上升到20%左右。我知道你对于人工智能已经在工作场所产生的影响，以及人们可能尚未意识到的程度，有着更加直言不讳和固执己见的看法。谈谈你认为人们对人工智能将要对工作产生的影响，以及已经产生的影响，有哪些误解。

妻友?而点到点多对多的物流网络与信息网络完全契合。仓配作为护城河坚不可摧，京东先入为主，没有人会考虑投第二个。然而随着互联网不断拓展边疆，形同固步自封。当年与天猫PK时，马云曾公开diss京东的模式，如今王莆中也不忘挤兑，“把那些大而无当的仓配体系扫进历史垃圾堆。” 王辉记者 柳文涌 摄

妻友?商区内还设有D—park数字娱乐公园、装机体验区、家庭游戏区、京选生活空间和美食体验区等多样功能区。“科技感很强，比以前逛商场更有趣。”消费者吴俊说。

妻友?直播吧7月22日讯 据比利时媒体HLN报道，贾沙里在今天的训练中与其他一线队球员一起进行了前15分钟的训练，随后进行个人训练课。

妻友?高一英语80分，相当于高考难度试卷50分左右水平，说明没有好好背单词，不仅仅在进入高中之前没把3500词背完，进入高中以后也没有按照老师的进度背单词。所以，目标想定在130分，在勤奋度上，不切实际。但是，这个分数起步，有达到目标的可能性，需要真正努力起来。 ，更多推荐：国产麻豆