Pi Agent loop
一、引子：大模型的三种用法
在聊 Agent Loop 之前，我们先退一步，看看”使用大模型”这件事本身有几种模式。这对理解”为什么需要循环”至关重要。
模式 1：直接调用 —— “模型，回答我”
最原始、最直觉的用法。你构建好提示词，调用一次 API，拿到结果，完事。
1用户输入 → 构建提示词 → 调模型 → 模型输出 → 展示结果
核心工作在于”构建提示词”** 。提示词写得好，结果就...
Kimi K3 发布的一些个人感受
Kimi K3 的技术博客里，有一个很容易被忽略、但很关键的细节：
K3 对「思考历史」极度敏感。harness 如果没有完整传回之前的 thinking 内容，生成质量会严重不稳定。
原文大致写了两个触发条件：
harness 没有完整回传历史 thinking 内容
会话中途从别的模型切换到 K3
博客对原因也做了解释。大多数 reasoning 模型，比如 Claude 的 ext...
RRF 排序融合，混合检索如何统一 BM25 和向量搜索
做混合检索时，会碰到一个很朴素的问题。
BM25 说某篇文档得了 18.6 分，向量检索说另一篇文档的相似度是 0.83。到底谁应该排在前面？
18.6 看起来比 0.83 大得多，但这两个数字根本不在同一把尺子上。直接相加没有意义，随手归一化又会受到查询、模型和数据分布影响。
RRF 提供了一个很省心的思路。
既然各路分数不好比较，那就不比较分数，只比较排名。
为什么混合检索需要结果融合
...
MCP 和 Skill，到底是什么关系？
最近看 Agent 相关的项目，经常会同时碰到三个词，Function Calling、MCP 和 Skill。
它们看起来都和「让模型做事」有关，于是很容易混在一起。有人把 MCP 当成更高级的 Function Calling，也有人觉得有了 Skill 就不需要 MCP。
其实它们并不在同一层。
最简短的理解是，Function Calling 负责表达调用，MCP 负责接入能力，Sk...
怎么减少大模型幻觉？
大模型最麻烦的时刻，不是它说不知道。
而是它给出一个语气笃定、结构完整、甚至带着出处的答案，等你真的去查，才发现内容根本不存在。
这种现象通常被叫作幻觉。
模型不是在主观撒谎。它的核心任务是根据上下文预测接下来最可能出现的内容。当可靠信息不足时，它仍然可能生成语言上非常合理的答案。读起来顺，不等于事实正确。
所以减少幻觉，不能只靠一句「请不要胡编」。更有效的思路是让模型有依据可用，在依据不足...