阶段二标志着我们从“数据数字化”迈向了“数据智能化”。通过 PaddleOCR 布局检测，我们把文档切分成了语义块；通过 LayoutLM，我们重建了人类的阅读逻辑；通过 VLM 工具链，我们让 Agent 拥有了“看懂”图表的能力。

然而，每一位开发者可能都经历过这样的痛苦：为不同的项目重复编写相似的提示词（Prompt），在有限的 Context Window（上下文窗口）中艰难地平衡工具定义与业务规则，或者看着自己精心调试的 Agent 无法迁移到新的运行环境。知识就是产品：Skills Marketplace 的出现是必然，Skill 不受模型迭代和运行环境的干扰，它是可交易的标准化的商品/产品，由标配 Skills 的

本文介绍LLM“后训练”技术，用于实现模型对齐。核心包括：1) 依赖标准答案的“监督微调”(SFT)；2) 依赖奖励函数的“强化微调”(RFT)。文章强调了成功的关键是“评估驱动”的迭代闭环（评估-分析-靶向-微调），并证明数据质量远胜于数量。最后简要介绍了生产环境中的监控、告警与干预。

磁盘修复检查进程fsck导致硬盘不显示。