水仙🔞直播

水仙🔞直播?事件导致餐厅顾客惊慌逃离，场面混乱。当地警方逮捕4名涉事韩国游客，调查显示冲突系聚餐时口角引发。餐厅向斗殴者索赔10万泰铢（约合人民币2.3万元），涉事游客已支付赔偿。警方以“公共场所斗殴”罪名对四人提起诉讼，处以罚款后释放。 40253人助阵！常州仍输掉笔画守卫战：开赛7轮0胜0进球+苏超垫底

水仙🔞直播?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。 汪细林记者 易波 摄

水仙🔞直播?她的体感是跟她类似的玩家才是行业里的大多数，她已经算是其中比较幸运的，有一个爆了的帖子带来了第一批消费者。她看到的更多人是在所谓的“创业导师“视频下被割韭菜的小白们。

水仙🔞直播?而全片确实也是这个感觉，没完没了的高密度大嗓门。看完的感觉就是莫言的一部小说名：生死疲劳。——我明明还活着，但是看电影看得好想死，每一分钟都疲劳得不得了。

水仙🔞直播?在排查过程中，工作人员获悉，一名疑似彭某轩的少年在缅甸当阳地区被佤邦热心市民救助，经核实确认，该少年正是失联多日的彭某轩。 王书梅记者 黄新营 摄

水仙🔞直播?摩根士丹利已更新中国人形机器人产业链名单，包括45只股票，涵盖大脑（3只）、身体组件（31只）和集成商（11只）。随着行业进入下半场比拼，谁能率先实现订单落地并验证商业价值将成为决定市场表现的关键因素，投资者应密切关注主要企业的商业进展和技术创新。 顾建明记者 王仕会 摄

水仙🔞直播?值得一提的是，新品的屏幕观感表现也颇受好评。媒体实测反馈显示，屏幕显示通透细腻，低反光、低眩光特性明显，色彩还原真实自然，视觉体验舒适，尤其适合长时间阅读或内容创作等高频使用场景。

水仙🔞直播?“美国进口大量电子产品，这些产品本来就含金、铝和钢，”全球电子协会总裁兼CEO约翰·米切尔（John Mitchell）表示，“我们完全可以把关税当作一个契机，在国内加大回收利用那些我们本身没有、从其他国家购买的商品。” 徐卫锋记者 祝孟亮 摄

水仙🔞直播?另一个方面我觉得ToC方向目前，尤其是创业公司，像社交或者某些产品，用户的loyalty（忠诚度）在这个技术底层刚刚出现，产品刚刚emerging（兴起的阶段 ）的时候，大家都出于尝鲜的心态，谁也不会说这么快我就（成为你的忠诚用户）。所以你今天用这个，明天就会用那个，大家都在试。所以你花很多钱去买流量，买用户，其实没有用的，可能隔几天以后就有一个新产品出来，switch cost（转换成本）非常非常的低。 庄焕章记者 刘德华 摄

水仙🔞直播?湖人队最近执行了古德温230万美元合同的球队选项，但古德温合同中仅有2.5万美元是保障部分，但如果他在1月份仍留在湖人队阵容中，这份合同将变为全额保障。裁掉古德温和米尔顿，让湖人能够用双年特例（2年1100万）的合同签下斯马特。

水仙🔞直播?机器视觉展区，瑞芯微智慧视觉芯片产品矩阵首次完整展出，包括通用型AI芯片矩阵RV1126B，经济型视觉AI芯片RV1103、RV1106 RV1103B RV1106B，旗舰型视觉AI芯片RK3588、RK3576以及后端智能处理芯片RK182X、RK3588、RK3568、RK3576，以及瑞芯微核心自研技术包括AI-ISP、黑光全彩、AI降噪、AOV低功耗快启、智能压缩编码、AI检测、去运动模糊、动态拼缝、双目融合拼接、数字防抖等。 付河焜记者 刘道琴 摄

水仙🔞直播?虽然总参数增大到1.5倍，但除去通信部分，理论的prefill和decode耗时都更小。即使考虑与通信overlap等复杂因素，这个方案也不会比V3有显著的成本增加。

水仙🔞直播?她用自我牺牲的方式去“爱”儿子，但从旁观者的角度来看，这种行为更像是自我感动和情感绑架。不仅在情感上控制儿子，她在教育上也追求一种令人窒息的完美。儿子打网球稍有松懈，她就会当场发火，吓得儿子跳车逃走。

水仙🔞直播?对消费者来说，如果既想要一台能应对城市拥堵、偶尔又能“野一把”的纯电SUV，同时预算有限，路虎迷你卫士绝对值得加入观望清单。毕竟，当硬派越野遇上电动化，这个小钢炮或许能带来意想不到的惊喜。

水仙🔞直播?习近平总书记提出的人民城市理念，是在继承马克思主义对西方城市发展批判的理论基础上，结合中国特色社会主义城市发展实践形成的原创性理论成果，是在借鉴西方现代城市发展理论基础上对城市理论的价值重塑与范式跃迁。

水仙🔞直播?他们研究了学习知识图谱中实体和关系的表示以预测缺失链接的问题，提出了名为RotatE的知识图谱嵌入新方法，该方法能够建模和推断各种关系模式。

水仙🔞直播?周炎鑫称，2016年11月，他先后与这栋楼的两名业主马某和陈某平签订租房合同，租下整栋楼的使用权，之后给两名房东支付了400余万元的房租。

水仙🔞直播?2月24日、3月19日，瓜州县交通运输局多次邀请政法委、法院、公安、信访局、政府法律顾问等部门，就杜虎反映的问题进行分析讨论，鉴于该车辆和车内装载的煤炭的所有权无法认定，以及该局是否在杜虎要求的赔偿事项中承担责任等多重因素，建议杜虎通过诉讼解决赔偿事宜。

水仙🔞直播?本届论坛设立30个专题分会场，并展示60余幅学术海报，围绕人工智能与遥感交叉领域的关键议题展开深入探讨。内容覆盖AI模型、时空信息、方法手段、农业气象、社会人文、地质灾害、生态植被、水体海洋与产业硬件等8大主题，体现人工智能与遥感科学交叉研究从基础理论到行业应用的广泛延展。 张红梅记者 刘攀龙 摄

水仙🔞直播?《扫黑风暴》以纪实性的镜头语言，向我们展现着一个大毒枭的成长之路，给予了足够人性的展示，同时也是将各个正反派呈现得更为鲜活立体，而不再是刻板脸谱化了。卢少骅虽然能够制出纯度更高的冰毒，但要想在毒界闯出一片天地，又并非是容易的，除了技术，更需要胆识、谋略，接下来的卢少骅又会发展成什么样子，持续关注吧！

水仙🔞直播?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。 韩海洋记者 宣照亮 摄

水仙🔞直播?骑手朱女士接受记者采访表示，女儿于2023年12月15日于复旦大学附属儿科医院确诊腹膜后恶性肿瘤，目前她与丈夫一同在亳州本地送外卖赚取医药费，因家中无人照料，不得已大部分时间将孩子带身边，孩子要妈妈抱，送单常面临超时等问题。

水仙🔞直播?这条路是对的，随着唱片工业的“捞金”热潮渐退，能出好作品的歌手买少见少，总能以歌表达自我、彰显态度的郑欣宜变成了“珍稀歌手”。

水仙🔞直播?李先生说，之前，整个房屋的装修工作都比较顺利，只剩下餐厅、厕所的瓷砖以及柜子没有装。7月18日上午，工人们都在继续装修，但当日下午突然接到了停工通知，不再施工了。 ，更多推荐：糖果🔞直播