欧美国产一区二区三区

欧美国产一区二区三区?其中，成都外国语学校（以下简称“成外”）在7月6日发布“2025年小升初空余计划公告”显示，学校有257个空余学位，全成都市符合条件的学生均可报名。就在该补录计划发布后不久，一篇主题为《天价学费吓退家长，补录 257人没人报，成都外国语学校跌落神坛》的文章在互联网出现，上百个网络账号在多个网络平台同时发布。对此，成外公开数据予以驳斥，数据显示，成外初中第一轮招生，共1893名学生报名，摇中率37%；257个补录计划，报名补录的学生829名，摇中率31%，比第一轮的摇中率还要低，不存在“没人报”的情况。 捷尼赛思败走中国？！

欧美国产一区二区三区?“年轻人都出去打工了，以前唱黄梅戏的班子散了20多年了，戏台现在用得不多了。”为团队引路的一位村民说。据了解，这座古戏台建于清代同治年间，曾是当地村民文化生活的中心，每逢节庆便有黄梅戏班在此演出，台下总是挤满了看戏的村民。 梁长盈记者 杨永强 摄

欧美国产一区二区三区?2021年，来自广州的百年粤式茶楼陶陶居在三里屯太古里开设北京首店。“刚开业时每日排队人数过千，首店吸引了不少食客。”陶陶居北京区域总经理钟玉莲告诉记者，如今，餐厅还在不断上新，吸引更多年轻人打卡。

欧美国产一区二区三区?康德智库专家、北京市中闻律师事务所权益合伙人吴文学向《华夏时报》记者表示，美国多家银行计划发行稳定币，是一种反击策略，旨在利用现有牌照快速合规，将存量客户转化为稳定币用户，但也存在一定的风险，可能造成资产负债表冲突，储备资产若计入存款准备金，将削弱放贷能力，若银行系稳定币爆雷，则可能引发挤兑传染至传统业务。

欧美国产一区二区三区?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。 刘德祥记者 李立强 摄

欧美国产一区二区三区?王苑告诉记者，CGT产业链的持续优化仍有广阔空间。比如，在上游环节，提升原材料的GMP认证水平至关重要，这将进一步确保产品质量和供应链的稳健性。同时，原材料与设备的国产替代有助于增强供应链的韧性和效率，减少对进口的依赖，从而有效缩短生产周期，并实现成本优化。 王俊军记者 杨吉昌 摄

欧美国产一区二区三区?这就造成了一个矛盾。当爱优腾开始学习奈飞的会员模式，大力推行会员以后，你觉得他们会放弃广告收入吗？平台会不会这么好心呢？

欧美国产一区二区三区?“输赢荣辱随风去，唯留笑谈伴余生。”与德约科维奇的这段非凡的合作经历，反而让穆雷更加清醒地了解了一个事实，“冠军归冠军，教练归教练。”而当穆雷走出德约科维奇名字下那抹光环，他终于找到了自己——不是“巨头”的影子，而是新星成长的掌灯人。(来源：网球之家 作者：陆小天) 李福刚记者 王登峰 摄

欧美国产一区二区三区?摩托车曾经是重要的交通工具，但随着禁摩令的出台，摩托车渐渐在市区的大街小巷里消失，逐渐被电动车所取代，但摩托车有着自身优越性能，比如续航和动力，这些是电动车无法比拟的。 贾建桥记者 胡青云 摄

欧美国产一区二区三区?陈华在个人微博中写道：于汉超确实踢球聪明，不知道传球的是谁，球商也高。3-1，这场国家德比应该没啥悬念，祝贺申花基本拿下魔鬼客场，今年再不拿冠军，就说不过去了。塞蒂恩和穆斯卡特太像了，高压进攻，宁愿冒险，不太注重防守的针对性。这场3-1，怎么和足协杯上海德比的进程，好像一模一样。

欧美国产一区二区三区?7月17日，北京电子商务协会于发布倡议书，强调即时零售在满足消费者需求、促进线上线下融合及推动就业等方面的重要性，并针对行业规范发展提出三点倡议。 杨烈军记者 孙东敏 摄

欧美国产一区二区三区?网传视频显示，摩托车骑手被连续变道的越野车影响后刹停，质问对方：“引导线你怎么开的”。越野车司机将车辆别在摩托车前，下车后称，“你管得着吗”，双方言辞激烈，爆发了言语冲突。

欧美国产一区二区三区?十年前他在丹东街头直播唱歌，冬天冷得不行就站在路灯下弹吉他。那时候没人认识他，晚上唱完一宿才赚几十块。后来直播火了，他靠翻唱积累了一些粉丝，但总有人说他不是科班出身，演戏也不行。

欧美国产一区二区三区?穆雷在采访中首度袒露心结：“有时诺瓦克会频繁寻求技术层面上的反馈，这正是让我感到不太自在的环节。”他犀利点出退役巨星的执教通病：“多数退役选手在技术教学方面相对薄弱。”

欧美国产一区二区三区?但最近几天，李小璐的名字再度引发了网友们的关心，原因是已经离婚数年的她，跟女儿甜馨直播跳舞时，竟然在镜头中惊现一把“宝宝餐椅”。

欧美国产一区二区三区?宗庆后在世时显然试图对境内外资产分别作出安排，但他的财富传承设计却留下了难以弥合的漏洞。本次争产风波的核心集中在一笔高达21亿美元的离岸信托和宗庆后遗嘱的效力认定上。

欧美国产一区二区三区?如果大家出门时间较久，还是建议自己带一个充电宝。如果万不得已，需要共享充电宝，也要注意租赁时间以及记得查询归还点，以防最后因为超时，而不得不买断。

欧美国产一区二区三区?白色本就是轻盈的，H会拘住它那样爱随风而起的心，而黑色本就是稳重的，如果设计成A型虽无妨，但却似乎少了一些当黑色内秀内敛到一定程度时，它所引发出来的一个女人内在性的美。

欧美国产一区二区三区?这样一算，“京沪大战”在散票上就比“京鲁大战”多售出5000张左右。其实，“京鲁大战”时持有国安赛季套票的铁杆球迷出席率为90%，并未达到峰值。本场争冠焦点战，赛季套票球迷出席率将有所提升。 马知昱记者 陈添福 摄

欧美国产一区二区三区?从金克丝的爆弹轰鸣，到维克托的光荣进化，展览不止步于将这些动画中的名场景搬入现实，更是通过艺术化的手法带来全景式互动体验。

欧美国产一区二区三区?一个入圈十几年从未出演过主角的明星，退圈12年还让人念念不忘，最近他的好友出席活动，媒体都要打听他的近况——各位还记得张善为吗？ 谭发金记者 吴振龙 摄

欧美国产一区二区三区?这支法国首都球队正迎来黄金时代，凭借球员们的卓越表现，已成为欧洲状态最火热的球队之一。除了竞技层面的成就，巴黎在财务方面也收获颇丰，多名球员身价暴涨让原本就富可敌国的俱乐部财富再创新高。

欧美国产一区二区三区?夏天其实比较建议大家试一试淡淡的紫色裙装，偏浅的色系，营造出一种温柔的风格，又能够很好的衬托出女性偏柔美的气质，打造出来的视觉效果一点都不会太过于夸张。

欧美国产一区二区三区?在商用车领域，中国重汽以“全球本土化”战略加速开拓海外市场，首次进入德国、澳大利亚等高端市场。在沙特建成首个海外新能源卡车组装基地；同时依托全球80多个办事处与1000家经销商网络，实现从“产品出海”到“技术标准出海”的跨越。 ，更多推荐：亚洲综合区