看到群里的小伙伴在Excel里使用DuckDB来获取数据，灵感迸发写了一篇“《Excel植入DuckDB，小宇宙爆发》”。

不知道你有没有注意到，从 2025 年年中到现在，Agent 这个词出现的频率越来越高，大有接替 2023 年开始流行的 Chatbot 的势头。

在企业级智能体应用建设过程中，Agent 的定位正在从简单的问答入口，逐步扩展到业务流程协同、数据查询、系统调用、知识库联动和工具执行等场景。

通读了前面7章内容,其实我们应该就能明白：因为它的训练目标，从来不是“事实正确”，而是“概率最优续写”。

论文核心观点：LLM Agent 性能由基座模型和 Harness（系统提示词、工具包装、规划模板、验证逻辑）共同决定。不同模型有不同失败模式，Harness ...

这篇新论文《LLM-as-a-Verifier: A General-Purpose Verification Framework》想解决的，正是这个问题。它的...

Andrej Karpathy（对，从OpenAI跳到Anthropic的那位）直接发推说：这是LLM交互方式的第三次重大革命。

在传统软件工程中，我们推崇“代码复用”；但在 Agent 参与的工程中，能产生复利的东西从“代码复用”变成了“知识复用”。

大模型的智能，不是来自“理解”，而来自对人类语言分布的极致拟合，而语言本身已经编码了世界结构。