昨天读了 Simon Willison 的一篇文章：2026 in LLMs (so far)，这个博客我基本每次必看，写的很不错。

拿真实记录一对，这三行都有问题。智谱的成功回答里有 30% 超过 120 秒，元宝有 14%。超过 4,000 字的回答，智谱占 23.6%，DeepSeek ...

假设你给个人资料助手两份读书会通知，问报名截止日期。把两份正文一起交给模型，就能让它依据这些材料回答。

多语言 GEO（Generative Engine Optimization）是指面向不同语言用户的 AI 搜索与问答场景，优化技术文档的语言组织、页面对应关系...

我第一次给 AI 回答里的引用做排行，排在最前面的一项是 https://mp.weixin.qq.com/s，后面一个参数都没有。这当然不是哪篇文章，是一千多...

想象一个学生，背过很多书，但有两个毛病：记不准细节，也记不住昨天才发生的事。你问他"公司上季度营收是多少"，他可能凭印象编一个数字——听起来合理，其实是错的。大...

If you've been building with LLM agents for a while, you've probably noticed the...

Agent 用着用着，对话历史从几轮涨到几十轮，Token 消耗从几千涨到几十万——成本飙升，响应变慢，还可能撞上模型上下文窗口上限。 这是 2026 年 Ag...

摘要：把 LLM 接进一个已有 22 年沉淀的事务型 CRM，真正的难点不是让模型看懂表格，而是让一个概率组件产出的判决，安全地穿过解析、实体解析、引用完整性、...

LLM 开发工程师不是训练大模型的算法岗，而是把模型能力工程化为可靠产品的人：检索、编排、结构化输出、评估、成本与延迟优化。入行的分水岭只有一条——能不能交付一...

过去两年，我们解决这个问题的方式很“工程师思维”：既然模型记不住，那我就给它外挂一个知识库（RAG），或者把几十页的文档塞进长上下文（Long Context）...

之前已经讲过按照固定chunk大小切块，和按照段落分明切块。现在补齐另外两种模式。

做 AI 回答监测，大家讨论得多的是采样：问哪些问题、问几次、哪些平台。我自己踩坑最多的却是采样之后的那一步：拿到一段回答，怎么判断它「提到了某个品牌」，是好话...

对于云端 AI 应用，LLM 可解释性不能只看输出是否连贯。2026年10月的 arXiv 2610.02480 讨论了 LLM 自我解释不忠实问题：模型生成的...

这次不把通知全文直接放进问题里。我们给助手两个工具：一个查找通知，一个读取正文。模型先看到问题和工具说明，再根据每次取得的结果选择下一步；Python 程序负责...

助手可以搜索通知、读取正文。每次工具执行后，程序把结果交给模型，让模型决定继续查，还是给出回答。

多 Agent 代码审查系统的成本会随模型调用次数和上下文长度增长。即使大量输入命中缓存，反复读取会话历史仍会产生较高费用。

原文：​https://mp.weixin.qq.com/s/FyxeVIPXFxgJKueRkozMIw