隨著 Agent 任務複雜度的提升，單純擴大上下文窗口已無法滿足需求，反而可能因計算成本和「注意力衰減」問題導致效率下降。傳統 RAG 的局限性，結合短期與長期記憶、發展情境感知檢索、上下文壓縮等策略的解決方案，對於構建更智能、更能解決複雜問題的 LLM Agent 至關重要。

職場

學習

以行動支持創作者！付費即可解鎖

聊一聊提示工程、模型調校與優化技巧，同時分享一路走來的挑戰與突破，作為提醒未來的自己：別忘初心，走得更踏實。