行业资讯

Agent可观测性与评估问题：传统 APM 失效——"请求返回 200，但 Agent 循环了两次、调错工具、幻觉了一份策略"。Agent

LLM网关与成本优化问题：企业 LLM API 支出 2025 年达 84 亿美元，40-60% 是浪费——付了前沿模型的钱没用上能力。硬编码单一模型、所有请求

多模态理解与VLM定义：VLM = 视觉编码器（ViT）+ 跨模态连接器 + LLM，把图像转成 token 序列与文本联合推理。与第四篇"多模态生成

混合检索与重排核心问题：BM25 擅长精确匹配（型号、人名、编号），向量检索擅长语义近似（同义改写、概念查询），盲区互补，单用任何一个都会失败。BM25 盲区：

Agent记忆系统问题本质：上下文窗口再大也解决不了"选择性记忆"——Context Rot（上下文腐烂）、成本随历史线性膨胀、跨会话完全失

多Agent协作框架为什么多Agent：单个 Agent 能力有上限——角色单一、上下文相互污染、难以并行。多 Agent 通过分工协作拆解复杂任务，但&quo

实时语音大模型架构三代演进级联管道（ASRLLMTTS）：延迟下限 300-500ms，丢语气/情绪/打断能力半级联（音频编码文本推理TTS）：OpenAI R

世界模型与具身智能范式跃迁：2025 年 VLA（视觉-语言-行动）主导 2026 年世界模型成为机器人基础。VLA 是"模仿人类指令"，

幻觉治理新共识（2025-2026）：幻觉是概率模型的结构性属性（数学上已证明不可根除），目标从"零幻觉"转向校准的不确定性——错得少、错得

模型蒸馏本质：让小模型"学会"大模型的推理方式，而非简单缩小参数。从"传递答案"进化到"传递思考过程"

上下文工程定义（Karpathy, 2025）：为推理时刻的模型精确组装"刚好够用"的上下文——提示词、检索结果、记忆、工具定义、历史，一个

GraphRAG问题：传统 RAG 按语义相似度取文本块，只能"找到相似"，无法跨文档"追踪关系"——多跳推理、实体消歧