馃崋

馃崋?如今分手已经过了六年，这六年两人的生活都发生了翻天覆地的变化，只不过两人的现状却有着巨大的差别，如今再次官宣喜讯的景甜，已经成了张继科“高攀不起”的存在了 27岁小伙取98万装修屋子，银行反手报了警

馃崋?一边是几十年戏比天大的老家伙，拿命熬出来的行活。一边是演戏靠替身，念台词要提词器的流量新人。市场站在哪边？答案早摆在桌面上了。 董文涛记者 张腾 摄

馃崋?景宁畲族自治县东弄村村民蓝仙兰，是畲族三月三国家级非遗代表性传承人，时常受邀到外地开展畲族山歌表演。她说，自己非常期待在家门口坐上飞机，把大山里的畲歌唱给更多地方的人听。

馃崋?一审判决书显示，2018年1月29日，公主岭市检察院指控，在没有实际发生业务的情况下，郑小东多次找到个体运输户郑立喜、王刚以茅山分场的名义虚开运费、山皮土发票，套取公款63.61万余元（涉及17笔款项），用于个人日常花销；在承包茅山分场修路、拉山皮土等运输项目过程中为郑立喜、王刚提供帮助，郑小东收受二人13万元好处费；郑小东违规上报申请退耕还林面积和粮食直补等，造成国家政策性财政资金损失33万余元；非法占用林地种植农作物面积13.845亩，致使林地所能提供的生态功能丧失，造成林地土壤层严重破坏，林地生物多样性遭到毁灭。

馃崋?日前，有市场消息称，字节开发AI产品“探饭”，或将入局外卖市场。对此，抖音方面告诉21记者，抖音生活服务聚焦在到店业务上，没有自建外卖的打算。 王建强记者 牛根谦 摄

馃崋?对于机器人未来的落地方向，上述工作人员表示，在他看来或许在未来 1 到 3 年内，机器人产品可以从单一的工业化产品落地发展到复合化工业场景，例如机器人在搬完箱子后可以换个“手”再去流水线上打螺丝。在 3 到 10 年内，可以将机器人投放至生活场景，例如做家务、照顾老人等。这期间，需要解决多重问题，包括电池续航问题、机器人材料问题、自重问题、成本控制等。 张保河记者 杜彦存 摄

馃崋?这场股价飙升背后，反映出资本市场对“具身智能第一股”的强烈预期。但同时也引发质疑：智元机器人尚未实现盈利，其自身“造血能力”能否支撑百亿估值？一级市场融资买下上市公司，未来是否能持续兑现商业价值，仍待观察。

馃崋?被问及新赛季目标时，马杜埃凯补充道：“要赢得所有参与的赛事，我们完全具备这样的实力。同时我也会全方位帮助球队，实现竞技与人格的双重成长。” 周兴芳记者 温天凤 摄

馃崋?选衣服的时候，中年女性还有个容易忽略的细节，面料，想要搭配的贵气，更推荐你们多去穿真丝、亚麻、纯棉这些天然材质，上身舒服还显贵。 常文桥记者 陈兴武 摄

馃崋?7月16日，扬子晚报紫牛新闻记者多次致电房东程先生，电话均未接通。记者从马先生提供的一份与中介对话的录音中听到，中介表示，房东程先生不认可马先生找的检测机构的检测结果，让马先生走法律程序起诉。

馃崋?在巴萨投入资金前，必须先通过出售球员腾出注册空间，以满足西甲的1:1规则（即出售一人才能注册一人）。巴萨当前尚未达标，连夏窗初期便引进的门将霍安-加西亚都尚未注册。此外，巴萨现在的首要任务是争取尽快获批重新投入使用诺坎普球场，以便通过门票和VIP包厢的销售获得收入。 杨俊岭记者 姜春生 摄

馃崋?今年2月以来，美俄两国领导人已通话6次，俄乌两国也在土耳其伊斯坦布尔进行了两轮直接谈判，但俄乌问题却并没有取得突破。

馃崋?中国新闻周刊记者以咨询菲律宾博士留学名义联系了多家留学机构。有工作人员对中国新闻周刊表示，2023年前，一些学校的博士项目可以不用去菲律宾，可以在线完成相关博士学业。但2023年后，去菲律宾读博，3年内要累计在菲律宾待10个月。

馃崋?实际上，鲍姆加特纳去世前一个半小时，在社交媒体上发布了一段视频，并配文：“风太大了”。视频中，他正在田野上空滑翔伞盘旋，完全没有意识到即将发生的悲剧。

馃崋?例如，为了使AI与我们保持一致，使其执行的任务和展现的价值与我们相符，它被称为强化学习（RL）、人类反馈对齐（RLHF）。我们还开发了防止或减少其产生幻觉的技术——检索增强生成（RAG）。

馃崋?随着职位正式转正，图多尔正全面接管球队，此前他接替莫塔后延续上赛季末配置，仅与两位心腹合作，分别是守门员教练托米斯拉夫-罗吉奇和助手伊万-亚沃尔契奇。如今俱乐部给予其充分信任，图多尔也开始扩充团队，为两年合约期的首个赛季做准备。

馃崋?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。

馃崋?除此之外，“专供款”用麦芽糖醇、麦芽糖醇液取代部分蔗糖，同时另加安赛蜜、三氯蔗糖两种代糖甜味剂。有注册营养师指出，虽总糖下降，但代糖叠加仍可能带来高甜感，且起酥油的饱和脂肪含量较高，不建议多吃。

馃崋?萨兰多斯表示，这段场景的制作时间比采用传统视觉特效快了 10 倍，成本也更低。“我们始终相信，AI 为创作者提供了极大的助力，不只是为了降低成本，更能提升电影和剧集的质量。现在已经有一些由 AI 驱动的创作工具，真正的创作者正在使用这些更高效的工具完成真实创作。目前，在前期可视化、镜头设计、视觉特效等制作环节，我们的团队已切实感受到 AI 带来的好处。以前只有大预算项目才能用得上的高级视觉特效，像是‘逆龄特效’，现在也变得触手可及。” 李小民记者 李江 摄

馃崋?像小狸一样签约的未成年并非个例。小黄提到，前来咨询团播工作的有不少未成年人，年轻、法律意识不足是她们的共同点。

馃崋?创立于2009年10月的云海肴，主打食材原汁原味的云南菜系，在后海开的第一家店声响不大、日日亏损，但在把店开到购物中心后，其在北京迅速蹿红。获得红杉资本投资后，其扩张继续加速，并将目光投向了海外市场。 刘时海记者 邵磊 摄

馃崋?其中，2012年开工建设的茶曲江南岸公路项目成为警方关注的重点。该项目为广义省的重点工程，总投资额超过9990亿越南盾（约合人民币2.9亿元），建设方正是福山集团。

馃崋?7月16日，广州市防范和打击非法金融活动专责小组也发布了相关提示。提示称，此类不法机构未经国家金融管理部门依法许可或者违反国家金融管理规定，不具有公开吸收公众存款的资质。因参与非法集资受到的损失，由集资参与人自行承担。

馃崋?《世界报》获得了乌克兰军方近期提交给北约的内部文件。文件表明，无人机业已成为乌克兰重要的经济要素。乌克兰计划到2030年投资225亿美元用于生产无人机，年产约1800万架。 ，更多推荐：已满十八岁免费观看电视剧软件