精品麻豆

精品麻豆?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。 高密又一回迁安顿乐成选房！287户住民喜提新居！

精品麻豆?北京时间7月19日中国足球超级联赛第17轮，深圳新鹏城主场对阵青岛海牛。比赛中，深圳新鹏城球员姜至鹏先后两次助攻韦斯利完成进球，韦斯利还在下半场率先破门，上演帽子戏法。比赛尾声阶段，深圳新鹏城球员德-列昂索再入一球。最终比分深圳新鹏城4-0青岛海牛。 陈增义记者 张发明 摄

精品麻豆?这些说法很大程度上是为对冲美国国内舆论压力。英伟达做出上述宣布后，不少美国媒体又唱起了“中国威胁”的老调。《纽约时报》称这是特朗普政府的“180度大转弯”，因为华盛顿3个月前才出台相关禁令，还宣称这一逆转意味着“放弃了在人工智能竞赛中确保美国领先于中国的标志性努力”。还有美国学者表示，这是送给中国的“一份厚礼”。在这种情况下，一些美国官员出面“灭火”，强调“卖给中国的不是什么好东西”，目的是让中国永远追不上美国等等，也就不足为奇了。

精品麻豆?可黄晓明的处理方式却出人意料地果断。他没有公开回应传闻，只是默默减少了和叶柯的交集。今年年初，有知情人透露 “两人已经和平分手”，而黄晓明的工作室虽然没直接承认，却在被问及时回复 “艺人私事不回应，专注作品”， 这种 “不拖泥带水” 的态度，被网友赞 “上大分”。

精品麻豆?加利亚尔迪尼在结束蒙扎生涯之后正处于自由球员状态，而克雷莫内塞作为升班马希望在中场位置引进有经验和实力的球员，以便更好地迎接新赛季的挑战。 王政能记者 魏萌 摄

精品麻豆?眼看着几家小破店从无到有，一点一滴成长到现在的规模，营业额越来越高，咖啡店越来越像样，最激动的肯定是云股东们。 董婉茹记者 李忠信 摄

精品麻豆?离婚后，妻子的闺蜜列出了他的"几宗罪"，包括节日不归、暧昧异性等等。面对这些指控，他选择了沉默，只是专注于自己的事业。

精品麻豆?酒泉中院查明，案涉车辆均未登记在李某名下，李某也没有提交证据证明案涉车辆现有登记情况，也没有提交车辆现有登记人对车辆权属的意见。此外，上诉人杜虎提交的机动车交易协议均载明购车方是杜虎。 高建明记者 李立广 摄

精品麻豆?据静安区人民政府官网相关信息，房屋由非成套变为成套后，居民可以按照上海市公有住房的管理规定，购买公有住房的产权进行市场交易。 骆青凉记者 杨俊琦 摄

精品麻豆?在长三角城市群，一些城市在某些领域具备产业优势，但缺乏科研资源支撑。通过在上海、南京等创新资源集聚城市建设研发中心，城市间产业链、创新链双向融合，新质生产力加快培育。

精品麻豆?新一代挑战者要突破辛纳-阿卡垄断，必须跨越三重障碍。技术全面性首当其冲——阿尔卡拉斯在红土、草地、硬地皆有夺冠实力，仅缺澳网即可完成全满贯。年轻选手需弥补技术短板，如商竣程自身需加强“力量和体能训练”。其次心理素质锻造是关键，斯瓦泰克六进大满贯决赛六度夺冠的案例证明，钢铁心态比技术更重要；辛纳聘请心理教练后的蜕变也说明，关键分处理能力可通过专业训练提升。另外成长速度将决定窗口期，目前辛纳与阿卡正值巅峰，年轻一代可能在2027至2028赛季迎来最佳突破时机。菲斯等新秀需在接下来两年内完成从巡回赛到大满贯竞争者的跃迁。突破路径可能有三种模式：一是抓住德约退役后的格局重组机遇；二是在“冷门场地”制造爆冷（如克耶高斯2022年温网亚军）；三是学习瓦林卡专攻大满贯的“重点突破”策略。 戴书琴记者 吴树葵 摄

精品麻豆?7月20日，日本羽毛球公开赛进入收官之日。在混双决赛的比赛当中，2号种子蒋振邦/魏雅欣同5号种子德差波/苏皮萨拉交手。本场比赛双方战满3局，蒋振邦/魏雅欣组合2-1战胜对手，成功拿下了日本公开赛混双冠军。

精品麻豆?直播吧7月19日讯 中超第17轮的榜首大战，国安主场1-3不敌申花。赛后，记者刘闻超在社媒对于当前这支国安进行了分析，他拿当年瓜迪奥拉执教时期的拜仁做了类比。

精品麻豆?这场遗产争夺大战，不仅会动摇到18亿美金信托资产的归属，杜建英及其子女还要争夺宗馥莉继承自宗庆后的娃哈哈集团29%的股权，势必也会动摇到宗馥莉对于娃哈哈集团的实控权。

精品麻豆?《长安的荔枝》单日票房破6564万，排片占比为26.7%，票房占比为32.8%，从上座率来看大鹏这部明星云集的大片并没有取得压倒性的优势，目前上映2天累计票房为1.59亿，预测最终票房在6.5亿左右。

精品麻豆?治理能力的提升，也离不开监管机制的完善。雷明认为，应推动村企设立独立的董事会与监事会，健全审计制度和财务公开。与此同时，王玉斌表示，既要加强村干部管理，如绩效考核、定期轮岗等，也要加强警示教育，营造不敢腐、不能腐、不想腐的氛围。

精品麻豆?报道称，丰田、本田和日产的新一代 EV 预计在 2026 年左右才能陆续上市。虽然全球 EV 市场面临瓶颈，但长期来看仍被认为会增长，EV 化的浪潮最终也会席卷日本。如果日本汽车制造商继续落后，将进一步被中美企业抢走市场份额。

精品麻豆?谈及弗拉格，布罗格哈默表示：“关于弗拉格，有一点你完全不用担心，那就是他在训练馆里的投入。所以我觉得，无论有没有比赛，他都会一直努力训练，争取变得更好。他的职业态度非常出色，而且很明显，在前两场比赛中，他已经展现出了自己的能力 ——不管投篮进没进，他都能找到自己的进攻位置，做出正确的传球或终结选择，在防守端也能给比赛带来影响。”

精品麻豆?娃哈哈是国有股、宗氏家族股与职工持股三足鼎立，看似是国资控股，可控制其命脉的，仍是宗庆后父女——宏胜、宏盛、恒枫……这些公司，了解一下？ 刘训华记者 张树贵 摄

精品麻豆?在被问及是否站在乌克兰一边时，这位美国总统评论道：“我不站在任何一边。”特朗普同时表示，普京应在50天的“最后期限”内同意停火协议，否则将面临制裁。特朗普在7月14日宣布，如果莫斯科在未来50天内不与乌克兰达成和平协议，他将对俄罗斯的贸易伙伴征收“严厉关税”。

精品麻豆?《长安的荔枝》中郑玉婷看到丈夫横跨千里，遍体鳞伤却凯旋而归时的封神落泪，何尝不是她看到了过往那个浑身是伤的自己？ 罗先友记者 梁蕊麒 摄

精品麻豆?根据协议，三生制药将获得12.5亿美元不可退还且不可抵扣的首付款，以及最高可达48亿美元的开发、监管批准和销售里程碑付款。12.5亿美元首付款，创国产创新药出海之最。

精品麻豆?更值得关注的是，基于该策略的三元体系使有机余辉材料首次满足 ISO 17398 规定的 A 级长余辉标准，表明有机长余辉材料可以实现与商用无机长余辉材料相当的余辉性能；研究团队通过精确调控材料的发光色坐标，使其与人眼暗视觉曲线高度匹配，从而显著提升了材料在黑暗环境中的亮度和持久性。

精品麻豆?从整体规划到空间细节，从健康系统到施工工艺，每一处设计都贯穿“人无我有，人有我优” 的产品哲学，重新定义了高品质居住的标准。 
，更多推荐：馃崋馃崋馃崋馃崋馃崋馃崋