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？

大语言模型（LLM）的训练与部署，是一个横跨数据工程、分布式系统、GPU 架构、强化学习、推理服务等多个领域的综合工程。本文把从原始数据到线上推理的完整技术栈梳理清楚，让你对"模型是如何炼成的、又是如何跑起来的"有一个系统性认知。

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。

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。

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。

你是一家百年老店的老板。你有一位镇店的老厨师——做菜几十年，火候精准、味觉敏锐，客人赞不绝口。但问题是，他一个月薪要 5 万，切菜慢、脾气大、还时不时请假。

现在你要开分店，需要 10 个能做出 80% 味道的厨师，便宜、听话、能加班。怎么办？

最直接的方法：让他们去新东方烹饪学校重学三年。但太慢了。

更聪明的办法：让老厨师手把手带徒弟。不要求徒弟复制老厨师的一切，只要他们能学到老厨师的"味觉直觉"和"调味逻辑"——几个月后，这些徒弟就能做出味道相近、薪资只需老厨师十分之一的菜。

大模型蒸馏（Knowledge Distillation），就是这个"带徒弟"的过程。

2026 年 4 月 23 日，腾讯混元发布并开源 Hy3 preview；7 月 6 日正式版（GA）上线，Agent 任务解决率跃升至 90%，ClawEval pass³ 拿到 68.5，超过 DeepSeek V4 Pro 的 62.4。本文围绕架构、创新点、性能表现和差异化四个维度，做一次系统梳理。

意图识别（Intent Recognition）这件事，在 NLP 圈子里干了十几年，本来快成"已解决"的问题了。结果 2024 年 LLM Function-calling 起来之后，又被翻出来重新讨论——意图的边界变大了：以前只要分到 20 个固定类别，现在每个意图对应一个工具调用、一段 API 参数，甚至一个 Agent 子任务。

更关键的是多轮对话成了主流形态：用户说"查一下我上个月从深圳飞北京的那张机票，能改签到下周三吗？"，这一句话里有"查询订单 + 修改订单"两个意图，还要继承上文的"深圳-北京"实体。多轮场景下的意图识别，跟单轮完全是两个问题。

本文从多轮对话视角出发，对比两条主流路线：微调 SLM（小语言模型）与LLM Function-calling + 结构化输出，最后给出选型决策树和混合架构。

过去一年，推理大模型（OpenAI o 系列、DeepSeek R1 等）让所有人见识到了"慢思考"的威力。但这场革命的源头，要从两条看似独立的技术路线说起：一条让模型学会调用工具，另一条让模型学会多路线探索。两条路线最终在 ToT（Tree of Thoughts）架构下合流，并靠剪枝策略解决了最棘手的组合爆炸问题。

TradingAgents-CN-Skill 是基于 TradingAgents 框架的中文股票分析 Skill。用户输入股票截图、文字描述或股票代码，Agent 自动完成 4 位分析师 + 2 轮多空辩论 + 风控三方辩论 + 五级评级，输出完整 PDF 报告。

OpenClaw 有一套内置的 Memory 系统，基于 SQLite 实现，开箱即用。但对于需要更高搜索质量、更广索引范围的场景，OpenClaw 提供了一个更强大的选项——QMD Memory Engine。

本文梳理 QMD 的核心概念、架构原理、配置方法，以及它在 OpenClaw 记忆体系中的实际角色，最后与 OpenViking 方案做对比。

把 RAG 链路拆开看，每一步（解析、拆分、Embedding、检索、重排）都有可以替换的实现。腾讯云知识引擎原子能力做的事情，本质上是把这些环节单独抽成高质量的 API，让开发者按需组合。

这篇文章不是入门教程，而是面向已经理解 RAG 全流程的 AI 应用开发者，重点聊在企业知识库问答场景下，怎么用这套原子能力，以及几个真实的取舍。

TradingAgents-CN 是一个基于 LLM 的多智能体股票交易分析框架，其精心设计的 prompt 体系值得深入研究。本文完整记录该项目中的所有 prompt 设计。

什么是 RAG？

RAG（Retrieval-Augmented Generation，检索增强生成）是大模型应用的核心架构。它通过"检索+生成"的两阶段模式，让 AI 能够利用私有知识库回答问题，而不是仅依赖模型内部的训练数据。

ReAct（arXiv 2210.03629）是姚顺雨 2022 年 10 月发表、2023 年 5 月在 Kigali 的 ICLR 2023 Oral（Notable Top 5%）上正式宣读的论文。它解决的问题很朴素：让大语言模型在同一个轨迹里同时"想"和"做"。在此之前，Chain-of-Thought（CoT）和"只行动"（Act-only）是两条互不往来的研究脉络，ReAct 是第一条把它们显式缝合起来的路径。

跑过 RAG 的同学大概率踩过这个坑：Embedding 模型选得很好、向量库也没问题，但召回质量就是不行。

排查一圈下来，原因往往出乎意料——不是 Embedding 不行，而是用户的问题太"糙"：

"这个东西怎么用？"           ← 缺主语
"为什么我那个又不行了？"      ← 全是代词
"性能怎么样？"              ← 完全没头没尾
"a 和 b 哪个好？"           ← 缺上下文

在 AI 应用开发中，让大模型稳定地输出我们想要的格式是一个常见需求。本文介绍如何使用 LangChain 的 Golang 版本 langchaingo 实现 Prompt Template，并结合主流 LLM 的 JSON Mode 实现可靠的结构化输出。

什么是 Prompt Template

Prompt Template 是将提示词模板化的技术，通过占位符动态注入变量，让同一套提示词可以处理不同输入。类似于 Web 开发中的模板引擎。