水仙🔞直播

水仙🔞直播?动力方面，肯定是增程+纯电双线并行，前者配1.5T发动机，提供后驱和四驱两种动力。后者大概率也会提供后驱和四驱，全域800V架构打造，有消息称，纯电版还有一个“开口很大”的前备箱，类似乐道L90，进一步强化实用性。 日本造出本土首颗2nm晶体管

水仙🔞直播?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。 穆志超记者 欧阳晓岚 摄

水仙🔞直播?她的成名过程让人想起了无数年轻人心中对成就与梦想的渴望，但同时也引发了深层的思考：在经济利益与个人发展之间，家庭应如何选择？

水仙🔞直播?这不近日迎来了马小姐的生日，汪总和孩子带着鲜花以及蛋糕给在直播的马小姐送惊喜，这家伙给筱梅感动了眼泪汪汪，

水仙🔞直播?音频技术展区，特设校准室及听音室，沉浸式体验基于瑞芯微音频处理器的多形态音频产品，包括智能音箱、拾音器、Partybox、Soundbar、录音胸牌、点歌机等，展示了从播放端到拾音端的全链路自研音频算法如乐声分离、混响回音、语音交互、超低通路延时、多麦阵列处理、AI降噪/去回声/去混响等，直观验证了从芯片层到算法层的垂直整合能力，为消费级/专业级音频设备提供可量产的智能化升级路径。 宗月茗记者 赵永娜 摄

水仙🔞直播?央行7月22日发布2025年二季度金融机构贷款投向统计报告显示，房地产贷款增速回升。2025年二季度末，人民币房地产贷款余额53.33万亿元，同比增长0.4%，增速比上年末高0.6个百分点，上半年增加4166亿元。 孙玉国记者 祝纪超 摄

水仙🔞直播?为了进一步验证 GTA 在大规模模型上的卓越扩展能力和稳定性，研究团队特意训练了 1B 参数级别的 GTA-1B 和 GQA-1B 模型。下图清晰地展示了 GTA-1B 和 GQA-1B 在长达 50,000 训练步中的损失曲线和梯度范数曲线，从中可以观察到两者均展现出令人满意的稳定收敛趋势。

水仙🔞直播?眼下，北京链家正在通过“一店一专家”模式，发挥装修专家的示范效应，通过线下陪看、业务合作、知识培训、经验分享等方式带动门店整体装修能力和服务体验的提升。未来，北京链家将全面推动经纪人能力升级，努力让每位经纪人都能成为懂房产懂装修的复合型居住顾问，满足客户的多元化服务需求。 雷德国记者 孙丽芹 摄

水仙🔞直播?袁女士的代理律师认为，主播X风以恋爱为幌子，利用他人感情，使其陷入错误认识，通过欺诈性手段诱使袁女士等客户进行打赏。诱使他人背离打赏目的打赏，具有非法占有目的，符合欺诈的构成要件，根据《中华人民共和国刑法》第二百六十六条规定，其行为可能构成欺诈。 王树波记者 赵弄华 摄

水仙🔞直播?他描绘了这样一个未来：当强大的数字“超级智能”在云端服务器中诞生时，它需要一种媒介来感知、影响并改造物理世界。“如果没有人形机器人，AGI 可能会需要去驱使、强迫甚至付钱给人类来完成这些物理世界的任务。”Adcock 解释道。而人形机器人，作为能够无缝融入人类环境、执行几乎所有人类物理任务的实体，将是实现这种高级智能落地的完美媒介。

水仙🔞直播?赵良善认为，从法律视角看，根据《中华人民共和国消费者权益保护法》第二十条规定，经营者向消费者提供有关商品或者服务的质量、性能、用途、有效期限等信息，应当真实、全面，不得作虚假或者引人误解的宣传。蔚来在《车主权益告知书》中未提及里程对权益的影响，却以里程过高取消权益，与法律背道而驰，涉嫌虚假宣传或误导性商业宣传。 孙素群记者 张新生 摄

水仙🔞直播?Ben Mann: 我认为AGI有点用词不当。所以我倾向于不再在内部使用它。相反，我喜欢“变革性人工智能”这个术语，因为它不太关注它是否能像人一样做那么多事情？它是否能做到所有的事情？更多的是客观地看，它是否正在引起社会和经济的变革？衡量它的一个非常具体的方法是经济训练测试。这不是我想出来的，但我真的很喜欢它。它的想法是，如果你为一个特定的工作以合同形式聘请一个代理人一个月或三个月，如果你决定雇用该代理人，而结果证明它是一台机器而不是人，那么它就通过了该角色的经济训练测试。然后，你可以像衡量购买力平价或通货膨胀一样，以类似的方式扩展它，有一个商品篮子。你可以有一个像工作市场篮子一样的东西。如果该代理人能够通过大约50%的按金额加权的工作的经济训练测试，那么我们就拥有了变革型人工智能。确切的阈值其实没那么重要，但它有点说明意义，比如，如果我们通过了那个阈值，那么我们预计世界GDP、增长和社会变革、以及有多少人被雇用等等方面都会产生巨大的影响。因为社会机构和组织具有粘性。改变是很缓慢的。但是一旦这些事情成为可能，你就知道这是一个新时代的开始。

水仙🔞直播?作为婚礼后的第一个生日，汪总自然也是高调的为妻子庆祝了一番，直接展现了霸总的魅力，大手笔包下一家豪华餐厅，邀请了很多好朋友一起为筱梅庆生，

水仙🔞直播?2025年6月11日，碑林区法院作出第二次重审一审判决，认为马某和陈某平作为案涉房屋的业主，对共有部分改变为商业用途出租用于经营和收益是持有相似意见的，故马某夫妇出租行为合法有据，不构成侵权。周炎鑫通过租赁合同获得房屋专有部分使用权，但并无合同明确约定或生效裁判确认其对一楼大厅共有部分享有物权，目前药店和百货店已撤场、搬离，周炎鑫主张被告排除妨害、赔偿损失缺乏法律依据，法院不予支持。

水仙🔞直播?公开资料显示，2021—2024年，极氪净亏损分别为45.14亿元、76.55亿元、82.64亿元、57.9亿元，累计已经到262.23亿元；尽管2025年第一季度净亏损收窄至7.63亿元，盈利之路依然漫长。

水仙🔞直播?“没有那么便宜了。”刚刚过去的周末，许多消费者发现了外卖平台补贴力度的集体下降。7月18日，市场监管总局约谈饿了么、美团、京东三家平台企业，要求各平台进一步规范促销行为，理性参与竞争。随着监管出手规范，过去几个月轰轰烈烈的“外卖大战”有了降温趋势。

水仙🔞直播?当季淘汰赛接连攻克圣埃蒂夫与苏黎世FC的征途中，琼斯的彪悍防守被球迷用经典横幅幽默定格："乔伊生吞法式蛙腿（注：指淘汰法国球队），碾碎瑞士卷（注：双关瑞士球队），此刻正大嚼德式烤肠（注：指决赛对手德国门兴）"——这条标语已成为安菲尔德的不朽篇章。

水仙🔞直播?为了增添语言的魅力，胡歌提前数月就蹲点东北农村，在当地学习黑话，为了达成这个效果，还一度因零下15度的天气，导致双手冻伤。

水仙🔞直播?比如好价越来越少、以前遍地是羊毛，现在满屏是广告、凑单攻略会被限流、Bug价不让发、标题党和AI文章疯狂推。。。有些人坚持每天打开值得买，还是因为舍不得两千多天的签到。 李泰山记者 申金魁 摄

水仙🔞直播?托马斯充满活力的边路打法在琼斯身前配合默契，球队在赛季剩余时间证明是不可战胜的，而在场下，他们会一起从北威尔士通勤到西伦敦，有时在理疗师沙发上过夜。琼斯因无法卖掉自己的房子而在搬到伦敦一事上遇到了困难，并且对大都市持谨慎态度。

水仙🔞直播?调查认定，深圳龙岗园墩路51号自建房电梯井道砌筑工程“1·2”较大高处坠落事故是一起因涉事房主违规委托无相应资质的单位施工，施工单位操作平台搭设不规范、安全管理缺失、以欺骗手段逃避安全监管，相关部门监管不力导致的生产安全责任事故。 魏增良记者 赵振恒 摄

水仙🔞直播?李善德最终决心掀桌，一是良知让他不能不为受苦的人们发声，二是有转身的决心和退路，他从不贪恋官场富贵，也赌杨国忠不敢在这个节点杀掉自己，因为自己仍有被忌惮的业绩，和被利用的价值。

水仙🔞直播?他俩同为创系选秀出身的艺人，从爱豆时期起就常有公开场合的交集。无论是拼盘演唱会、行业颁奖礼，还是平台综艺录制，两人的名字时常出现在同一份活动名单中，舞台上的同场亮相、后台的短暂互动，自然被关注者看在眼里，也积累了一些关注他们同框的粉丝。

水仙🔞直播?据了解，事发后，杨女士也向北京市顺义区市场监督管理局反映了此事。据大风新闻报道，北京市顺义区市场监督管理局李桥所工作人员介绍，接到杨女士反映后，他们已责令北京友达宠物托暂停营业。“目前正在约谈当事人，处理结果出来后会第一时间告知杨女士。” 
，更多推荐：水仙🔞直播