丨亚洲丨精品|一区

丨亚洲丨精品|一区?要知道，上台前后一段时间，特朗普与普京关系都很不错，他还一再表示相信，普京希望和平，他24小时就能让战争结束；倒是对泽连斯基，他一贯很看不惯，甚至在白宫将他骂了个狗血喷头，将饿着肚子的泽连斯基赶出了白宫。 关闭热身赛：利物浦5-0斯托克城，努涅斯半场帽子戏法

丨亚洲丨精品|一区?红色预警：3小时内降雨量将达100毫米以上，或者已达100毫米以上且降雨可能持续。山洪、滑坡、泥石流等灾害发生概率大。如遇险情，及时避险，不贪恋财物，不擅自返回。 孙秀峰记者 黄涛 摄

丨亚洲丨精品|一区?财报显示，二季度奈飞的营收和EPS盈利均较一季度加快增长，而且比分析师预期的增长更猛。二季度营收同比增近16%，强于一季度不足13%的增速。二季度EPS同比增逾47%，约为一季度增速的1.9倍。

丨亚洲丨精品|一区?奚梦瑶拥有一双令人瞩目的大长腿，然而当她与四太并肩而立时，四太却丝毫不落下风。奚梦瑶的穿搭风格颇为青春，十分善于突出自己腿长这一显著优势。

丨亚洲丨精品|一区?有专家认为，氢硼聚变终将推动人类从“能源约束时代”迈向“文明能级跃升时代”，新奥也提出了“在2035年进入聚变堆阶段，助力中国发出聚变能源的第一度电”的目标，人类何时能够实现能源自由，还需要全球共同努力。 郭水师记者 范振利 摄

丨亚洲丨精品|一区?据悉，作为改编自现象级游戏《英雄联盟》的顶级动画IP，《英雄联盟：双城之战》获得多项动画最高奖项，成为席卷全球的动画文化现象。第二季于2024年11月上线后，热度持续引爆：国内豆瓣最高斩获9.4高分，并稳居腾讯视频、哔哩哔哩两大首播平台热播榜榜首；全球范围内，不仅在权威影评网站烂番茄收获100%新鲜度认证，更强势登顶Netflix全球60多个国家及地区的播放榜单。截至目前，第二季已斩获了安妮奖七项大奖和上海电视节白玉兰奖最佳动画片。 张冠民记者 吴玉英 摄

丨亚洲丨精品|一区?宗馥莉接掌娃哈哈后，一度获杭州市政府支持，但商标转移等事件令政府态度转变。今年，娃哈哈被曝委托今麦郎代工，原因与宗馥莉关闭10多家分厂生产线有关——这些生产线主要归属杜建英，导致产能不足。

丨亚洲丨精品|一区?“这些行径严重违背日本‘和平宪法’和‘专守防卫’原则，严重破坏战后国际秩序，给亚太地区和平安宁带来重大挑战，已引起亚洲邻国和国际社会高度警惕和深切担忧。”蒋斌如此说法，什么意思？ 余小玲记者 龚晓梦 摄

丨亚洲丨精品|一区?锋线大将兰达尔-科洛-穆阿尼预计7月23日归队，雷纳托-桑谢斯将在下周加入回归行列。科洛-穆阿尼的离队几成定局。上赛季后半段租借效力尤文图斯期间，他贡献了10粒进球和2次助攻，成功找回状态。尽管合同直至2028年，但PSG已准备放人。 伍明毅记者 王卫华 摄

丨亚洲丨精品|一区?7月15日，港媒突然就爆出一条消息，称在2009年，宗馥莉在香港买房时，竟然先后使用了美国护照和中国护照，根据《香港01》报道，宗馥莉在当年6月就用美国的护照签定买卖合约，上面的署名写的是“Kelly Fuli Zong”。

丨亚洲丨精品|一区?有个很有名的萝卜实验：两组饿着肚子的大学生走进同一个实验室，一组的面前摆放着刚刚烤好的巧克力曲奇饼干，另一组面前摆放着胡萝卜。 袁永强记者 邢朝晖 摄

丨亚洲丨精品|一区?网络热词“City不City(洋不洋气)”的创作者、美国博主保保熊(Paul Mike Ashton)在受访时称，外界非常好奇中国在发生什么，社交媒体可以给大家带来不同的视角。

丨亚洲丨精品|一区?看美团做的硬折扣线下社区超市——快乐猴要做什么，不能单看目前的硬折扣头部玩家，如盒马NB、奥乐齐在做什么，而是要看增量在哪里。

丨亚洲丨精品|一区?只是，赖清德似乎压根儿不在意这些。日前他到台南查看台风“丹娜丝”灾情，面对灾民的请求脱口而出“不能什么事都靠台军”“军方没空，正在‘汉光’演习”，引发各界哗然。台湾国际战略学会理事长王昆义撰文指出，赖清德对灾民会这么冷血，主要是他上台后，为了“抗中保台”，只重视渲染“大陆威胁”的传统军事理念，几乎放弃救灾等“非传统安全”思维。岛内专家指出，这也印证了在野党的看法，即赖清德延长“汉光”天数，是想通过演习营造紧张氛围，刻意升高冲突对立，为“大罢免”增添柴火。赖清德不顾民众死活到这步田地，在岛内引来民怨四起。

丨亚洲丨精品|一区?这起事件引发了舆论对儿童赛事秩序、未成年人行为规范与责任承担等问题的关注。许多家长和网友对红衣选手的行为表示谴责，并呼吁加强对儿童的规则意识和品德教育。此外，也有声音认为，家长在其中的角色至关重要，应当承担起教育孩子的责任，而不是逃避责任。

丨亚洲丨精品|一区?7月16日，北京市商务局发布内容显示，今年上半年，随着《北京市扩大时尚消费专项行动方案》落地，以构建多元融合集聚区、丰富时尚文化体验区、培育健康休闲功能区、打造特色消费街区“四大功能区”为核心的时尚场景育新行动交出亮眼成绩单：东城区前门之夜科技体验馆开馆，西城区大吉巷将合院式街区打造成为消费热门打卡地，平谷万达凭借“撸宠+二次元+夜经济”的破圈组合拳刷新客流纪录，丰台区长辛店老镇打造“演艺+消费”新空间，中关村ART PARK大融城（西区）一开业即火爆。北京通过“场景革命”融合文化底蕴与潮流基因，为国际消费中心城市建设提速。

丨亚洲丨精品|一区?该负责人进一步表示，广发银行与客户对还款入账问题已在客户协议中明确约定。该行还款遵循“入账”视作还款完成的准则，并在客户协议中进行了明确标注(客户协议第九条第4款：“客户可以相应的币种偿还交易账单所列明的款项，客户的还款入账日以款项到达广发卡账户日为准”)。

丨亚洲丨精品|一区?最该吃口冰西瓜冷静冷静的，是那些此前对宗庆后疯狂造神现在又对宗庆后肆意毁神的人。这些患了"过度角色代入综合征"的人，首先该直面一个拷问：之前加入"钟首富猎巫派对"的也是你们，现在转过身去将矛头调转的也是你们，你们谁来给钟首富道个歉？

丨亚洲丨精品|一区?媒体人杨天婴：这场比赛，国安输的不冤枉，申花的战术更加务实，充分利用国安传接球慢，防线身后空间大的问题 ，同时申花防线中卫几乎把国安所有传中球都解围了，国安输掉比赛是应该的。这场比赛，其实是之前几场险胜的一个总结，之前国安几次险胜，都暴露了低效传控的问题，但是对手的实力有限，反击效果不强，防守不强，给了国安险胜的机会。但是申花同样采取了和西海岸等球队一样的低位防守，长传反击，但是申花的反击外援水平更高，同时申花的防线中卫更强。这个战术放大了国安的缺点，放大了申花的优势。塞蒂恩目前仍然没有完全解决国安低效传控的问题，国安在战术上，经常陷入低效传控带来的大量被反击、大量回传球的问题，国安几乎没有快攻，因为我们的进攻发起点太靠后，几乎每次进攻都是阵地战，面对11个对手整齐的防守，而我们身后总是空空如也被打反击。塞蒂恩是不是在未来的比赛中，可以考虑，增加一些战术方式，并不是只有一个后场推进的战术可以用，是不是使用更多更务实的战术？ 史浅浅记者 张丽 摄

丨亚洲丨精品|一区?约40%的受访企业表示已经受到美国出口管制政策的负面影响。80%以上的受访企业表示，其在华投资是为了服务中国本土市场。同时几乎所有企业都认为，其在华业务对于维系自身在全球范围内的竞争力不可或缺。

丨亚洲丨精品|一区?声明：本周报所载信息均来源于公开资料或自有统计数据，我们力求本文内容的客观、公正，但对本文中所载的信息、观点及数据的准确性、可靠性、时效性及完整性不做任何保证；文中图片如未标注来源，均为网络获取，如有涉及版权问题，敬请联系我们，非常感谢 郭彩雯记者 张风改 摄

丨亚洲丨精品|一区?内塔尼亚胡政府对人质问题的处理被批评效率低下甚至别有用心。今年5月的一项民意调查显示，大多数以色列民众认为内塔尼亚胡更在意巩固权力地位，而非努力营救被劫持的同胞。一些人质家属多次上街抗议，指责政府延长战争是在拿人质安全作政治赌注。

丨亚洲丨精品|一区?送外卖的日子里，孟世祥也常感受到市民的温暖。“天热时，有阿姨硬塞给我两瓶水，推都推不掉。还有顾客送我橙子。”孟世祥说。一次送单途中电动车突然坏了，他只好换骑共享单车，眼看4笔订单要超时，他挨个给顾客打电话解释，对方却说：“没事，晚点儿没关系，您路上注意安全！”那天订单全超时了，却没收到一个差评。

丨亚洲丨精品|一区?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。 ，更多推荐：白嫖之家app