水仙🔞直播

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。 车企自建高速超充站第一，理想汽车现金储备达 1107 亿元

水仙🔞直播?此刻，手机又弹出新的补贴红包，但对千万骑手来说，比红包更实在的，或许是多等一分钟的电梯，少一次扣款，和那句藏在订单备注里的“不急，安全第一”。毕竟这车轮碾过的路，一头连着烟火人间，一头系着普通人的三餐四季。 王文祥记者 金永焕 摄

水仙🔞直播?投资聚力推动高技术产业发展壮大，促进产业优化升级。上半年，制造业投资同比增长7.5%，增速比全部投资高4.7个百分点，拉动全部投资增长1.8个百分点；高技术制造业投资中，航空、航天器及设备制造业投资增长26.3%，计算机及办公设备制造业投资增长21.5%。

水仙🔞直播?7月22日，孙先生告诉封面新闻记者，不久前，其任职单位下发了公职人员可以做副业的相关通知，他第一时间行动了起来。每天下班后送外卖三个小时，感觉“像打游戏做任务”一样快乐！

水仙🔞直播?踢了近300场意甲比赛。你曾随AC米兰赢得一座意甲冠军，并两次获得意大利超级杯冠军。现在教练席上有没有哪位教练是你敬仰的？ 赵成岗记者 张为玲 摄

水仙🔞直播?反观美国的科技巨头们，都在AI上疯狂卷资本投入，一个热词就是AI Capex（AI Capital Expenditure，人工智能相关的资本支出）。微软宣布了2025年，对AI要投资800-900亿美元，也就是6000亿人民币左右；Meta则是600亿美元，谷歌是750亿美元，亚马逊是1000亿美元。 刘伟成记者 秦玲云 摄

水仙🔞直播?21日，自民党高知县支部联合会已决定向自民党总部提交要求石破茂辞职的请求，该联合会众议院议员尾崎正直在接受媒体采访时也明确表态要求石破茂辞任。“自民党党内已经纷纷涌现出‘总裁应承担责任’的意见。以首相目前的说明，恐怕难以获得理解。”

水仙🔞直播?日本国会第27届参议院选举初步计票结果显示，由自民党和公明党组成的执政联盟未获参议院过半席位。这是自民党自1955年成立以来，首次在国会众参两院都未能取得过半数席位。 李青春记者 高志宁 摄

水仙🔞直播?五十岁的身材难免有些小变化，不用焦虑，选对剪裁就能藏住大半。关键是别穿太紧身的，也别往身上套那些松松垮垮、没型没款的“奶奶装”，不然就容易显胖。买衣服的时候，上衣要合身，但别紧绷。 张东昌记者 潘世权 摄

水仙🔞直播?今年5月1日，国家标准《住宅项目规范》正式实施，对于“好房子”有了更加具体的标准。政策联动效应下，以追求“好房子”标准为卖点的北京新房项目正陆续入市。“对于我们上班群体来说，通勤的时间成本是我们购房时首先要考虑的重要因素。”看过项目的区位沙盘后，30多岁的刘先生认为，“好房子”要有好的区位。据介绍，朝棠揽阅位于通州区、朝阳区双区交会处的八里桥片区，邻近地铁1号线及22号线（在建中），双地铁在家门口，上班逛街都方便成为购房者关注的高频点。

水仙🔞直播?布鲁日主帅尼基-海恩表示：“情况非常明确，他本应在周一恢复训练。但在足球世界里，事情可能会变得非常困难，这是一个非常复杂的情况。我对俱乐部能妥善处理此事充满信心。无论如何，我们会看到结果如何。我当然不会透露管理层告诉我的内容。不过，我知道他们想从他的转会中获得什么，这一切都非常清楚。发言权在他们那边，我只负责竞技部分。但有一点是明确的，贾沙里将恢复随队训练。我们将看看这种情况还会持续多久。我百分百支持俱乐部。这是一个关于应如何努力留住自己最好球员的典型案例。” 石太和记者 李国桥 摄

水仙🔞直播?如果你平时的风格不是可爱挂的但是也想拥有一个粉色的包包，选它！粉紫粉紫的颜色质感满满，兼顾少女心和高级感我爱了。

水仙🔞直播?当前，如果用户使用别人的 12306 账号购买自己本人的车票，YOYO 建议便无法提供火车行程提醒服务；如列车晚点，火车出行卡片上的信息可能存在不准或者延迟的情况；如购票的火车为临时加开列车，YOYO 建议将无法提供相应行程提醒。在接入 12306 App 后，预计相应问题将得到解决。

水仙🔞直播?王莆中以过去曾进行过激烈外卖补贴的区域来举例说明。据其介绍，2018年美团与滴滴在无锡开战，当天无锡的日订单量涨了三倍。但是在一年以后，美团以无锡订单与苏州、常州做对比，发现与没有打外卖战的城市相比，“根本没有额外的增长”。

水仙🔞直播?最后，如果他想在高位打球并送出那些人们喜闻乐见的精彩传球，他还需要在那里具备一定的投篮威胁。稳定的三分投射会很有帮助，但至少他得能在弧顶区域命中投篮。否则，防守者只会退防，要么截断传球，要么在接球人身前进行封堵。那样一来，他的传球能力就会更多地停留在理论层面，而非真正的威胁。

水仙🔞直播?中国国际贸易促进委员会法律事务部部长 于毅：设立创新链专区，主要考虑让创新链和产业链实现更好无缝衔接，搭建这样的新平台，更好服务新质生产力的发展。在这个专区展现的首先是创新全链条的形态，创新链体现的实际上不是创新本身，而是创新如何转化成产业，展示的是创新的密码。

水仙🔞直播?IT之家注意到，在搭载标准 M4 芯片的 MacBook Pro 上，《赛博朋克 2077》默认帧率为 30 帧 / 秒，并启用了动态分辨率缩放（Dynamic Resolution Scaling）功能。安德鲁表示，这种设置虽然无法带来极致流畅的游戏体验，但能够保证游戏运行的稳定性，有效避免因过热而导致的性能限制。当将帧率上限提高到 120 帧 / 秒并禁用垂直同步时，游戏性能能够接近 50-55 帧 / 秒，但开启光线追踪功能后，基础版 M4 MacBook Pro 的性能会迅速下降，游戏难以流畅运行。安德鲁指出：“‘超级’画质设置对 M4 芯片来说压力太大。虽然硬件支持光线追踪，但 GPU 算力明显不足，无法满足可玩性要求。”

水仙🔞直播?综合环球网、参考消息报道，据美国《野兽日报》《纽约客》杂志21日报道，美商务部长霍华德·卢特尼克在接受采访时爆料说，美国总统特朗普几乎每晚都会在凌晨1点左右打电话给他，有时只是为了闲聊、谈论体育，也会寻求卢特尼克对他在媒体面前表现的反馈。

水仙🔞直播?在阅读此文之前，辛苦您点击一下“关注”，既方便您进行讨论和分享，又能给您带来不一样的参与感，感谢您的支持！声明：本文内容均是根据权威材料，结合个人观点撰写的原创内容，辛苦各位看官支持，文末已标注文献来源及截图，请知悉。 吴世泳记者 李克飞 摄

水仙🔞直播?若是她能早些参加节目，或许能像黄圣依、张雨绮等人一样，重新回到大众视野，但是错过就是错过了，如今再后悔，也没有任何意义。

水仙🔞直播?村落之美，美在乡景，更美在民心。“从本地农业农村发展最迫切、农民反映最强烈的实际问题入手，充分调动农民群众的积极性、主动性、创造性，办一项是一项、办一件成一件”，阡陌乡野定会充满生命力。 吴杞民记者 杨文涛 摄

水仙🔞直播?作为全家唯一的经济支柱，她的戏份少得可怜，还要提防丈夫出轨漂亮女老师，很难想象这个时代了，还有人把女性当成背景板。

水仙🔞直播?还解释道了那天自己为什么敲锣打鼓，表示到那是唱大戏，似乎是他们那边的“特色”，其实在94岁这样的高龄，老爷子可以没有痛苦，安安安晶晶的离世，这未尝不是一种别样的幸福，也算是一种好事。

水仙🔞直播?1994年，她主演《重庆森林》，奠定文艺女神地位，2000年登上《时代周刊》封面，成为首位获此殊荣的华人歌手。她还创立嫣然天使基金，资助唇腭裂儿童，公益形象深入人心。她的感情生活同样备受关注，与窦唯、李亚鹏的婚姻，以及与谢霆锋的分合，成为媒体焦点。 ，更多推荐：deep色客