91绂侌煃嗮煃戰煍炩潓鉂屸潓

91绂侌煃嗮煃戰煍炩潓鉂屸潓?电影取材南京大屠杀期间的真实故事，讲述了一群老百姓躲在吉祥照相馆，为了活下去他们被逼着给日军摄影师冲洗底片，没想到意外拿到了日军的罪证。 宗馥莉掌控离岸公司，遗产争取或早有结构

91绂侌煃嗮煃戰煍炩潓鉂屸潓?19岁男子错付的车费属于什么性质？男子的家属是否还能主张其他权利？在上述事件中，车主的个人信息被扒，车主如被骚扰、谩骂，是否可以主张自己的权利？国家“双千计划”法学专家、芙蓉律师事务所主任陈平凡进行了解读。 杨传杰记者 王诗敬 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?一位该医院的护士回忆，入职一年来从未做过心理评估，但是有培训。苏诗雨的培训手册也显示，去年8月规培护士们上了一堂名为“护士的心理应激与护患冲突处理”的课。这位护士说，这堂课像走个形式，早已不记得内容。“没有减负”，她认为解决护士面临的困境，才是有用的心理疏导。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?身边有很多上年纪的人都在吐槽，年龄大了，不知道怎么打扮自己，想要穿的年轻一些却又害怕被说在装嫩。其实啊，五十岁女人穿衣服，哪用得着跟潮流较劲？不过是摸透了自己的身型和气质，穿得舒服又好看罢了。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?打通链路，深化产业分工与协作：在京津冀，蓄电池、行李架来自河北，车灯、变速箱来自天津，玻璃升降器、空气滤清器来自北京……数以万计零部件在汽车产业链上的“协同之旅”，为区域发展打造更多增长极。 张小娟记者 李强 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?Mark Chen婉拒了，他对自己在OpenAI的状态满意。但这也让小扎下定了决心，很快就拟出了一份名单，亲自发邮件、短信，邀请他们来到自己的硅谷豪宅见面。 周应光记者 朱玉存 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?美团核心本地商业CEO王莆中回应“外卖大战”时就说：整个即时零售的市场总量，从年初的日均1亿单翻至7月12日的2.5亿单，其中绝大部分是泡沫。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?7月21日，华商报大风新闻记者联系郯城县联泰中心城物业负责人，对方称，李先生反映问题的确存在，他们物业已向开发商反映，开发商也正在防水处理。目前此事李先生已反映到住建局，最终还需要开发商跟李先生直接对接。 乔英杰记者 肖伦超 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?费迪南德：“然后球迷们就会说：‘你看他现在踢得多好，当初怎么在曼联不行？’‘为什么他在曼联就踢不出来？’‘是不是时机问题？’‘是不是曼联当时没把他安排在合适的位置？’‘是不是球队的阵容构成问题？” 刘延国记者 杨晓东 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?北京时间7月21日NBA夏季联赛 常规赛，洛杉矶快船对阵孟菲斯灰熊。半场快船34-55灰熊，最终快船82-105灰熊。洛杉矶快船乔丹-米勒24分6板2助，卡梅隆-克里斯蒂15分5板2助；孟菲斯灰熊泰勒-伯顿20分7板3助，贾文-斯莫尔17分4板9助。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?前述接近案情的人士介绍，证监会对陈峰、谭向东的上述处罚事项，即与事后司法机关指控他们所涉及的背信损害上市公司利益罪相关。 朱翊维记者 吴世伟 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?持续打造“投资中国”品牌、启动“购在中国”系列活动，与30个国家和地区签署23个自贸协定，给予所有已建交的最不发达国家100%税目产品零关税待遇……中国始终致力于把超大规模市场打造成为世界共享大市场。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?鲁女士介绍，“我一个朋友之前去过，说地方很好，没说是收费还是免费，我去的时候，老板说他们暂停营业了，但很想营业。”鲁女士还称，汤先生没有拒绝前去游玩的游客进入营地，且并未收费。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?孙先生说，送外卖过程中，有时也会遇见不安全的行为，他不忘自己的消防员本色，“一次，我碰到一个大姐拖着电瓶车进电梯，我还顺便普及了一下消防知识。”

91绂侌煃嗮煃戰煍炩潓鉂屸潓?其智算推理系列GPU板卡收入则出现下滑，该GPU板卡为沐曦于2022年推出的首款产品曦思N100系列，N100在2023年4月实现量产，这部分收入从2022年的42.64万元增长至2023年的0.14亿元，后于2024年下滑至349万元，下跌74.6%。招股书解释称，系2023年末至2024年，生成式AI大模型领域的井喷式增长促使市场对于传统人工智能推理芯片的需求下降，导致这部分收入有较大幅度下降。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?然而，繁荣的表象下暗藏隐忧。细看行业竞争态势，这片自主品牌高歌猛进的红海中，五座SUV的竞争早已白热化，高度同质化的配置堆砌和价格厮杀成为常态，“内卷”之势难以避免。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?IT 咨询公司高德纳的副总裁 Kleynhans 表示：大多数企业都反映有一两个老旧应用程序或老旧外设在 Win 11 上根本不好使。还有很多公司意识到，迁移到新操作系统最简单、最安全的方式是买已经装好 Win 11 的新电脑。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?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。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?随着第七代 Robotaxi 车型量产下线，这套全方位保障安全又极具成本竞争力的方案将助力小马智行全无人 Robotaxi 车队规模扩大，计划年内组建千台级车队以实现规模效应。 周涛记者 杨健 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?经营主体增长稳。北京的经营主体中，民营企业数量超过95%，吸纳就业超过60%，占全市GDP比重约1/3。为更好服务民营企业发展壮大，北京建立了民营经济政策落实组织协调机制，常态化召开民营企业座谈会，今年已办理民营企业反映问题1万余个。同时，多措并举服务外资企业在京高质量发展，今年上半年落地经营跨国公司本外币一体化资金池试点，启用了国际商事仲裁中心（北京）实体平台，美敦力、阿斯利康、辉瑞等一批外资医药研发机构相继落户国际医药创新公园。1-5月新设外资企业961家，增速31.1%。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?经济学开宗明义，人的需求多样，而先天的自然禀赋，后天的专业化相异，所以要互通有无。禀赋的分化有赖距离，双方需要将各自的产品运到中间某处会合，也即离开生产和消费的地方。也就是说，正是为达成交易本身即时，使得交易脱离场景。两河流域的先民在神庙交易，共同的祭祀创造定期集会，神提供仲裁，开启最早的文明，基于神权政治。 卓春生记者 董应博 摄

91绂侌煃嗮煃戰煍炩潓鉂屸潓?中国互联网络信息中心7月21日在京发布第56次《中国互联网络发展状况统计报告》。报告显示，截至2025年6月，我国网民规模达11.23亿人，互联网普及率达79.7%。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?据介绍，这款无人机平时放置在消防车上，抵达火灾现场即可升空扑火。“它升降速度超过2米/秒，产品后续更新后，可实现150-200米的灭火高度。可携带水、B类泡沫、A类泡沫等灭火剂，能够达到20-30升/秒的持续喷水量，与最好的传统消防车单台能力相当，性能十分优越。”企业相关负责人介绍。

91绂侌煃嗮煃戰煍炩潓鉂屸潓?“我当时根本接受不了，问他是不是骗我，对方说是真的，还给我发来了小爱死亡的照片。”杨女士说，确认“小爱”死亡后，她的心都快碎了。她追问对方“小爱”的死亡原因，对方却称“应该是中暑”。 ，更多推荐：馃敒馃崙馃埐馃崋馃崒