从问答到流程：智能形态在结构化

最初是 GPT-2/3 的续写和问答；后来是成对 QA；再到工具调用型问答；DeepSeek-R1 把思维链与工具调用融合，形成 ReAct 式回合工作流。模型能力越来越强，但真正让它"能用"的不是能力，而是流程结构。

理想状态当然是"苦涩的教训"：让模型学会一切。现实是 token 太贵、上下文太长、稳定性太差。于是工程开始介入：把可规则化的部分工程化，把可复用的流程固化，把可压缩的上下文压缩。这不是退步，而是 Agent 走向实用的起点。

工程与算法的黄金分工

一个任务同时包含"确定性部分"和"不确定性部分"。工程解决确定性：正则、黑白名单、Hook 做工具调用安全检查、信息匿名化。这些是 if-else 能覆盖的世界：精准、廉价、可靠。算法解决不确定性：理解、推理、创造等开放任务，才动用 LLM 这个"重武器"。

图像的层次由"词语"决定

和导师交流时提到"信息压缩"。李飞飞在《我看见的世界》中解释 ImageNet 约 3 万概念，是因为人类语言中的基础概念大致是这个数量。这揭示了一个关键：图像的层次与理解，很大程度由它背后的"词语系统"决定。

文字能拆解成 token，那图像能拆成什么？我想到手帐里的贴纸。一张照片的信息密度不均匀，大量区域是背景噪音。贴纸像是对图像的"提炼与压缩"，甚至反过来影响我们的拍摄行为：主动做减法。

记忆不是照片，而是时空捆绑

在《追寻记忆的痕迹》中，最有触感的一点是：长时记忆与空间记忆密切相关。每次体验在大脑里会形成两条坐标系：时间线与空间线。多感官信息先在各自皮层编码，再通过海马体整合为"情境-时间捆绑"的记忆痕迹。

大脑不会存一张"纯照片"。视觉信息与声音、气味、动作被绑成多维特征。当某一天遇到 hook，少数关键突触被触发，随后在皮层网络扩散，系统用周边神经元补全细节、删改错误。所以记忆是一种重建：找到关键零散元素后，补全"氛围感"，而不是恢复"事实细节"。