文章探讨了大型语言模型（LLM）行为日益类人化的背景下，Agent工程应摆脱传统机械指令模式，转而将LLM视为具备专业知识和学习能力的“人类”合作伙伴。通过认知对齐、记忆解耦、视觉感知优化、工具生态适应以及闭环反馈机制，Agent系统可显著提升问题解决效率和准确性。核心观点是，Agent工程的进阶关键在于顺应人类认知习惯，为LLM构建拟人化的交互环…
把 LLM 当成“人”，才是 Agent 工程进阶的起点
你的 RAG 系统可能正在“杀死”大模型的灵性
当提到“如何为大模型提供大规模的可用于检索的信息”时，我们第一反应想到的大概率是 RAG 一类的解决方案，但现在我要说，基于文件系统访问（FileSystem Access）的检索方式可能远比使用 RAG 更好。