在金融、法律、医学、工程类的垂直领域，现在也需要一些做长任务的智能体了，所以，怎么给他们喂资料，就成了源头的一个需要斟酌的问题。 因为在现实环境里的资料，跟办公场景的比要粗糙多了。平时我们处理文档，很多都是把文档简单理解成一长串文字，在简单问答里够用，就行了。 但在真实工作里，是不够的。比方说，一份合同里，重要的不只是某个条款的句子，还有它属于哪一版？和哪个定义条款有关？例外条件在哪里？哪些批注已经接受？哪些还在审阅？ 以及一份产品文档里，除了说明文字，还有版本、配置前提、截图、变更记录、上下游模块和还没关闭的问题。如果把这些东西都压成文本片段，很多信息在进入模型之前就已经丢了。 这种处理方式太过扁平，你可以理解为“二维”的，用在传统的软件那里还好，反正下一个任务又重新开始嘛。 但现在的 agent 不一样了，它要求你是智能化的、要越用越聪明的，要像人类实习生，教过一遍就要记得，下次干活就能用上，越干越熟练。所以就要求你的解析方式，也得进步，要引入时间、位置、来龙去脉、前因后果等等三维甚至四维的变量，还要帮 agent 形成记忆，不能我说一遍，啊，第二天又忘了，又要...