18 交头黄

18 交头黄?7月18日，中建智地第三座宸园案名正式亮相，“紫京宸园”霸屏北京各大城市地标。宣告东四环老牌豪宅区星河湾板块，迎来全新作品。这也是继望京“中建宸园”和东四环“北京宸园”之后，中建智地文化营宅的又一突破性力作。 北京16条政策步伐推感人工智能赋能新型工业化

18 交头黄?足球一直是戴虎的心头爱。2001年，当时还是15岁少年的戴虎迷上了足球，“经常在操场看大人们踢，就喜欢上了，我给他们捡球、拿水、套近乎，慢慢我就从球童逐渐获得替补机会。”如今，代表家乡出战“苏超”，是他朴素而坚定的愿望：“我们想为我们的城市、为我们的家乡，尽一份心、出一份力。” 王双德记者 孙德成 摄

18 交头黄?巴西将在2026年举行总统选举，现任总统卢拉有资格竞选第四个任期。路透社报道称，卢拉已暗示将参加大选，但尚未正式宣布。当地时间7月4日，卢拉在里约热内卢出席活动时表示：“做好准备。如果一切按照我的想法发展，这个国家将第一次拥有一位由巴西人民选举四次的总统。”

18 交头黄?马德兴，“今天国安是一场彻彻底底的完败！当然，国安球迷肯定不爱听，但是，从赛前准备，到比赛排阵，到临场发挥，到中场部署，到下半场换人，主教练塞蒂恩就是完败！全方位落后！夺冠天平倾斜了。”

18 交头黄?严禁携带额定能量超过160Wh的充电宝，严禁携带未标明额定能量同时也未能通过标注的其他参数计算得出额定能量的充电宝。 党旭记者 杨占全 摄

18 交头黄?首先是贸易繁荣。今天世界贸易总量约为关贸总协定（GATT，WTO的前身）成立之初的44倍，亦即从1950年到2023年增长了4400%；贸易总额则达到了1950年的370倍。WTO成立30年来，全球贸易继续增长，2023年超过31万亿美元，是1995年的5倍。 秦方均记者 马俊 摄

18 交头黄?电影《绿光》是埃里克·侯麦导演的一部经典作品，它讲述了女主角德尔菲娜在夏天假期中的一段心灵之旅。在这段旅程中，她经历了孤独、失望、自我探索和最终的自我发现。

18 交头黄?刘慧17岁时成为银川一中工人，1979年考入银川师范学校大专班中文专业学习，毕业后任银川市郊区掌政中学教师，此后曾担任银川市供销社党办宣传干事、银川市供销社团委副书记。1987年，刘慧成为共青团宁夏回族自治区银川市委副书记，1992年升任共青团银川市委书记、共青团宁夏回族自治区委副书记，1995年，尚不满36岁的刘慧开始担任共青团宁夏回族自治区委书记。1998年，刘慧调入地方接受历练，担任宁夏回族自治区银南地委副书记，吴忠市工委、吴忠市委副书记（正厅级），3年后重回自治区政府担任民政厅党组书记、厅长。2003年，43岁的刘慧当选宁夏回族自治区政府副主席，2007年升任自治区党委常委，2013年53岁正式被任命为自治区政府主席。 靳兴旺记者 唐志刚 摄

18 交头黄?Decart 将持续发布模型升级和新功能，包括面部一致性、语音控制和精确物体操控等。与此同时，平台还将上线一系列新特性 —— 如流媒体支持（以任意角色进行直播）、游戏集成、视频通话等功能。 崔保军记者 杨婉 摄

18 交头黄?当地时间18日，达美航空公司一架波音767客机按计划从美国加州洛杉矶飞往佐治亚州的亚特兰大，但客机在起飞后不久，左侧引擎突然起火。执飞机组随后返航洛杉矶机场，在起飞25分钟后，客机安全降落。事件中未有人员伤亡。

18 交头黄?上海的沈女士在和前男友分手后，花了60多万元，想找人把和前男友共同饲养的狗买回来，不料狗没要回来，这些钱还都进了骗子的口袋。近日，静安区人民法院审理了这样一起特殊的诈骗案件。 刘建勋记者 李金昌 摄

18 交头黄?值得一提的是，过去两年的GTC大会上，黄仁勋曾展示了多款来自国内厂商的人形机器人，而在这次的“链博会”展台上，英伟达则带来了诸如“加速进化”、“智平方”等人形机器人新秀企业，主打一个“一碗水端平”。

18 交头黄?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。

18 交头黄?关于不良率的控制，兰州银行回复中国新闻周刊表示，近年来该行在不良资产分类新规从严要求背景下，从构建“现金清收+重组盘活+核销处置+批量转让”存量不良化解模式、强化源头管控、把好新增贷款质量关、完善风险治理架构、构建智能风控中枢等5个维度来提升信贷资产风险管控能力。

18 交头黄?不仅如此，美国社交平台Threads上有用户爆料称，特斯拉Robotaxi团队最近加班极为频繁，而目前无人车服务范围进一步增加，未来几周内可能覆盖整个奥斯汀。

18 交头黄?现在的女明星怀孕都很拼，她们在孕期都努力健身，燃烧脂肪，孕肚显著，但四肢纤细，孩子出生后，身材能够迅速恢复，也是不奇怪，因为他们身边都有营养师和健美老师指导。

18 交头黄?公告称，指控涉及法拉第未来及其两名高管贾跃亭、王佳伟，另外还有两名前员工。他们被指控违反了联邦证券法中的多项反欺诈条款，违规行为主要涉及与法拉第未来2021年私募股权融资及特殊目的收购公司上市相关的虚假或误导性陈述，具体包括关联方交易以及贾跃亭在公司中的角色等问题。

18 交头黄?半个多世纪后，史克门与中国文物界互动频繁，退休后决定捐出这枚佛眼。经由宿白牵线搭桥，这枚佛眼回到云冈石窟，至今仍是云冈石窟博物馆收藏的最大一枚陶眼。

18 交头黄?改编这部马伯庸名作，大鹏是最合适的导演，虽然大鹏没拍过古装，但不缺驾驭大制作的能力，而小人物奋斗喜剧，一向是大鹏的拿手好戏。 魏东良记者 李曾 摄

18 交头黄?桥隧工人清除被动网上的藤蔓和杂草（7月15日摄，无人机照片）。桥隧工人对隧道顶部危石隐患点进行加固（7月15日摄，无人机照片）。桥隧工人巡查隧道顶部的被动网（7月15日摄，无人机照片）。桥隧工人巡检隧道（7月16日摄）。桥隧工人检查隧道内铁轨（7月16日摄）。桥隧工人巡检隧道（7月16日摄）。桥隧工人遥控无人机给隧道山体上的施工点运送混凝土（7月15日摄）。桥隧工人巡检隧道（7月16日摄）。桥隧工人在隧道口立岗接车（7月16日摄）。桥隧工人巡检隧道（7月16日摄）。桥隧工人巡查被动网状态（7月15日摄）。

18 交头黄?而且车主还可以申请电子驾驶证和行驶证，这个就提供了便捷，以前如果忘记带驾照，还担心被查，现在在手机上就可以展示，在提升执法效率的同时，也方便了车主。 刘双林记者 胡万青 摄

18 交头黄?由于任何癌症的发生从基因突变/变异、甲基化修饰异常、抑癌基因的失活、致癌基因的激活再到最后癌变都有一个过程。在这个过程中，取决于体检的时间点、检测方法、检测设备以及医师的专业水平，有些癌症可以被检测到，有些癌症还无法检测到。体检没有检测到有可能按照当时使用的检测手段与在那个时间段确实无法检测到，最终要以实际情况来鉴定。爱康的体检报告真实记录体检者当时的检查结果。

18 交头黄?看着在自己的努力下，抓到了两名诈骗分子，曲大爷特别开心：“哎呀，心里这个痛快劲，这个火可出去了，感谢小宋警官，感谢蛤堆后派出所给我出口气，再以后有这种事，我还配合派出所抓他们！”

18 交头黄?多位乘客向记者提及，最开始并不知道事情的严重性，动作也很迟钝，“我以为是航空演练，直到听到空姐声音颤抖、略带哭腔，才开始紧张。”由于很多乘客并无戴氧气面罩的经历，扯了很多次才扯断安全绳戴上。 ，更多推荐：91丨国产丨白浆秘 洗澡吊死