YLT 智能助手（小岳）· 18｜自我模型、把握校准与决策先验

YLT智能助手（小岳）第18篇提出“自我模型”核心机制，破解Agent“假学习”困境。通过身份叙事、能力边界与分域把握三要素构建可验证的自我认知，结合EWMA动态校准把握度，实现“低把握→加深验证”的闭环。关键创新在于DecisionPrior：将把握度转化为真实执行深度（如复核轮数从1增至2），并确保执行侧真正消耗轮数，使“我不确定”真正驱动更严谨行为。教训回流按领域去重，避免冗余。整套系统以可

大模型微调实战，企业级垂直场景落地的核心路径

流程不重构，Agent只会更贵

很多企业把Agent当升级版聊天框，接进工单、报销和客服后才发现：流程、接口和权限仍按人治设计，Agent只会放大等待与返工。本文用制造、零售、金融场景拆解Agent进入工作流的三个前提——任务颗粒度、可执行接口、风险闸门，并给出从只读试点到流程重排的落地路径。