大模型的本质是预测下一个 token，它是概率性的。同样的输入，可能给出不同的输出；它会一本正经地胡说，也会在关键时刻掉链子。可我们偏偏想用它来搭建可靠的系统——能被信任、能上生产、能对结果负责的系统。

这就是横亘在整个 Agent 工程面前的核心命题，也是这篇文章的主线：

如何在不确定的大模型之上，构建确定性的可靠系统？

没想到香港西贡的海这么美。

大模型很强，但有两个老毛病：幻觉（说得头头是道但全是编的）和知识陈旧（训练完之后发生的事它不知道）。RAG（Retrieval-Augmented Generation，检索增强生成）是当下最主流的补救方案：让模型先查资料再回答。但 RAG 这件事本身还有很深的分化——怎么查差别巨大。本文借 Neo4j 那篇 What is GraphRAG? 的框架，把四种检索范式摆在一起对比，讲清 GraphRAG 解决什么问题，最后用我自己 270 篇博客转出来的知识图谱作为活样本。

为什么同一个 MiniMax-M3，接到 Claude Code 和 Workbuddy 上跑同一个任务，输出会完全不一样——语气不同、结构不同、深度不同、有没有抓到关键风险点都不同？

第一反应大概会怪模型。但模型从来没有变过。

变的是模型外面那一整套"包装"——业内有个正式名字叫 AI Agent Harness。

每种胶卷都有自己的「色彩 DNA」——饱和度倾向、色相偏移、宽容度、颗粒结构，出厂时就定好了，换一卷就是另一种感觉。

这篇按色彩特点梳理现在还能买到的彩色胶卷，并用 Portra 400 的官方特性曲线算清楚宽容度有多少档。

用户点了 👎，反馈"答错了"。接下来该改什么？

这是每个做大模型产品的人每天都会遇到的问题。多数团队第一反应是"换更强的模型"或者"加更多 prompt"，但这两条路都偏题。大模型答错是一个链路累积误差问题，工程上要做的是：先归因，再定位，最后在最优的那一层修。

这篇文章不讲玄学技巧，给一套可直接落地的优化框架。

2025 年 GPT-4o、Claude 4、Gemini 2.5 都原生支持多模态——能"看图"的 LLM 已经从前沿技术变成基础设施。但多模态 ≠ 万能：图片理解有 4 个根本限制（幻觉、空间推理、计数、小文本）。这篇文章讲清楚 VLM 的真正能力和工程化路径。

VLM（Vision-Language Model）让 LLM 突破"只能读文本"的边界——能看截图、读 PDF、理解图表、识别人脸、看懂 UI。这是 2025-2026 年 AI 应用最重要的能力扩展。

但很多团队的 VLM 应用踩了同一个坑：直接拿来用，没考虑 VLM 的边界。结果是上线后遇到各种边界 case 才补窟窿。

Sequential Thinking MCP 是 Anthropic 官方 modelcontextprotocol/servers 仓库里的一个示范性 server（现已 archived）。它在 Claude 还没有原生 extended thinking 的窗口期承担了一个关键角色——把"思维链"（Chain-of-Thought, CoT）从 prompt 技巧，外化成了一个可被工具调用协议观察、干预、编排的对象。今天 Claude 的 thinking block、ReAct 循环、Tree-of-Thoughts 这些已经成为标配的设计模式，都和它解决的问题有直接血缘。

2025 年 1 月，DeepSeek 一口气放出 6 个 R1 蒸馏模型。但如果按 Hinton 2014 年那篇论文的定义逐条对照，这些模型一个都不算蒸馏。

它们的实际训练过程是：用 R1 生成了 80 万条完整解答，然后在 Qwen / Llama 基座上做 2~3 个 epoch 的监督微调。Teacher 的 logits、隐状态、注意力图——一概没有参与训练。

同一件事被叫成同一个名字，底下其实是三种完全不同的技术：能看到的 teacher 信息越少，蒸馏的信息密度就越低，需要的算力也就越多。这篇文章把这三层拆开讲清楚，以及 2025-2026 年工业界真正在用的是哪一层。

「订一张下周三从深圳飞北京的机票」和「刚才那张票能改签吗」，对系统来说是两种完全不同的动作。前者要触发搜索与下单，后者要在已有订单上做修改，而且城市、日期、乘客都得从上一轮继承过来。

把这类自然语言输入映射到正确的动作上，就是意图识别（Intent Recognition）。它是对话系统唯一的信息入口，也是错误会向下游逐级放大的那一环。

这篇文章从概念讲起：先说清意图、槽位、对话状态这几个词的确切含义，再说清 SLM 和 LLM 两条路线在数学上其实是同一个问题、工程上却是两套完全不同的系统，最后落到数据构造、训练、约束解码、拒识阈值、多轮处理和分层评测。