一个悖论 前两章我们建立了一个认知：LLM是概率预测引擎，没有“事实”概念，输出天然不可靠。 现在我们要面对一个悖论： 如果AI的输出天然不可靠，为什么还要让它去做事？ 答案藏在“做事”这个词里。 当AI只能“说话”时，它的错误是不可验证的：一段文字里有没有编造的数据，你只能靠自己的知识来判断。但当AI能“做事”时，很多错误会立刻暴露：调用的API返回了错误码，执行代码抛出了异常，生成的SQL语法…
不是你的表达能力有问题 我们先做一个小的思维实验。 假设你有一个朋友，他有一个非常奇怪的“听力”方式： 你说的每一句话，他会先把它拆成一个一个的字 每个字在他脑子里会激活一整套联想网络，不是联想“意思”，是联想 “在过往所有对话中，这个字后面通常跟着什么字” 然后他根据这些联想，一个字一个字地拼出他的回答 他没有 “理解”这个概念，他只是在做联想 你跟他说：“我今天心情不太好。” 他拆开六个字。 …
一个被忽略的常识 如果我让你说出一个“AI”的名字，你脱口而出的多半是 ChatGPT、豆包、Claude、Kimi，或者你手机里那个智能助手。 这很正常。过去三年，“大语言模型”和“生成式AI”铺天盖地，好不热闹。但这不正常的地方在于：很多人开始觉得AI = 聊天“机器人”。 当然，AI肯定不是聊天“机器人”，能聊天的“机器人”也不是“机器人”。 这不是一个词义辨析的游戏。这是一个认知错误：它会…
📖 参考文档： General Framework of AI Agents（字节 李航） 构建企业级RAG系统：从数据管道到智能客服的全链路架构演进 Introducing the Model Context Protocol GitHub - anthropics/skills: Public repository for Agent Skills Overview - Agent Skill…
整理了一下大模型与多模态大模型的技术路线，包括基础课程、经典教材、开源项目等。 1.什么是大模型 大模型全称是大型语言模型（Large Language Model, LLM），指具有超大规模参数量（通常超过十亿个）的深度神经网络模型。 大模型是自然语言处理（NLP）领域的重要技术分支，从技术角度来看，大模型特指近年来以Transformer架构（谷歌2017年首次提出）为核心的超大规模神经网络模…
