何需足量革，尽覆此大地，片革垫靴底，即同覆大地。 -- 寂天《入行论》

最近看了一些 LLM 实测报告，感觉 LLM 的能力很强大，但在当前阶段，仍然只能对单一简单问题进行一次提问（详见：开源项目_大海捞针测试），对于复杂的问题，可以通过将其拆解为多个简单问题，使用 LLM 进行多步问答来解决。因此，引入了 Agent。目前也临着在对话过程中容易偏离主题的问题（详见：论文阅读_多Agent_股票操作示例）。

猜想大模型的尽头并非某个全能的大模型，而是类似于人的存在，可能是面向 Agent 优化的大模型；或者整体系统由多个大模型组成，其中一个充当主控：

  • 这个主控模型并不大，所以反应速度快。
  • 他并不存储所有的知识，但包含：内在信念（详见：论文阅读_语言与决策_通过LENS看人类行为），基本的常识，语言理解能力，基础推理能力，类似于高中生的水平。
  • 他链接到一个外挂记忆系统，该系统存储客观知识和主观总结，以及长短期记忆，支持存储/搜索（详见：文章阅读_Agent记忆机制综述）。
  • 他还包含一个自我进化系统，该系统能记忆、总结，并推动自已更新能力库。
  • 和当前系统很大差别在于它能自主构建自己的知识和信念体系。