Meta超级智能团队名单曝光,一半来自中国/OpenAI神秘模型上大分,GPT-5即将发布 | Hunt Good 周报
- 2025-07-20 09:58:23
3 个有用工具
1 个有趣案例
3 个鲜明观点





https://github.com/aw31/openai-imo-2025-proofs




Manus「删博跑路」后,创始人首次深度复盘:公开产品细节,总结教训


与其耗时训练,不如围绕大模型构造「记忆」和流程。上下文工程让你在几小时而不是几周内发布产品更新。
输入越稳定,缓存命中率越高,成本和延迟越低。三条实战建议:
- 避免提示中使用时间戳;
- 只追加上下文,避免修改历史记录;
- 手动标记缓存断点,保障前缀一致性。
动态修改工具列表会让缓存失效、模型混乱。Manus 使用「遮蔽 token logits」的方法,让模型「看不见」不应调用的工具。
大模型上下文再长也会被打满。Manus 让模型把长期记忆写入虚拟文件系统,按需读写,实现「外部记忆」,规避信息丢失。
模型容易「中途忘记目标」。Manus 会不断用自然语言更新并重述 todo.md 文件,把全局目标拉回注意力焦点,防止任务跑偏。
失败是构建 Agent 过程中的一部分。保留错误日志(如失败的操作、堆栈信息),能帮助模型更新内部信念,减少重复错误。
模型会盲目模仿上下文中的行为模式。Manus 通过引入结构化变化(如不同措辞或顺序),避免模型在长任务中陷入复制粘贴式幻觉。











声明:本文内容及配图由入驻作者撰写或合作网站授权转载。文章观点仅代表作者本人,不代表科技区角网立场。仅供工程师学习之用,如有内容侵权或者其他违规问题,请联系本站处理。
点击这里
扫码添加微信

- 点赞 0
-
分享
微信扫一扫
-
加入群聊
扫码加入群聊