如果裸模很蠢会怎样?Kyle Kingsbury 错在哪里
本文针对 Kyle Kingsbury 关于“LLM 是不可靠的胡扯机器”的观点进行了反驳。作者承认裸模型(Raw Model)不可靠,但指出 Kingsbury 的测试方法类似于在台架上测试发动机并断言汽车不安全。作者提出了“薄线束,胖技能”的架构理念,通过引入确定性代码、技能文件和解算器,将模型的不稳定性转化为可解决的工程问题,从而构建值得信赖的系统。
本文针对 Kyle Kingsbury 关于“LLM 是不可靠的胡扯机器”的观点进行了反驳。作者承认裸模型(Raw Model)不可靠,但指出 Kingsbury 的测试方法类似于在台架上测试发动机并断言汽车不安全。作者提出了“薄线束,胖技能”的架构理念,通过引入确定性代码、技能文件和解算器,将模型的不稳定性转化为可解决的工程问题,从而构建值得信赖的系统。
本文探讨了构建高效 Agent 系统中的关键组件“Resolver”(解析器)。作者指出,与将所有知识塞入系统提示词导致性能下降不同,Resolver 作为一个上下文路由表,能根据任务类型动态加载相关文档。文章通过纠正文件分类错误的实例,展示了如何利用 Resolver 管理技能调用,解决“技能不可见”问题,并通过评估测试确保路由的准确性,从而实现智能体的持续记忆与有效检索。