RAG和Agent不是二选一的关系。RAG负责让AI知道"这个世界是什么样的"，Agent负责"让AI去改变这个世界"。两个缺一个，应用都跑不通。如果你也在搭类似的系统，我建议从简单的路由+RAG开始，慢慢加Agent能力。别一上来就想搞全自动Multi-Agent——我见过太多团队死在第一步。下一篇聊聊这个架构里怎么设计Agent的短期记忆和长期记忆，欢迎关注。有问题评论区聊。参考资料。

GPT-Image 2 的手相解读，说实用吧……确实不是刚需。但说好玩吧，确实上头得很。我老婆看到我生成的图之后，也拍了张手让我帮她做一个。不过换个角度想：这个功能背后展示的能力——多模态理解 + 结构分析 + 视觉重构——才是真正值钱的东西。下次别人再用"AI 只是画图"这种话来说 ChatGPT 的时候，你可以直接给他看一眼这张手相图。然后说：你猜这是 AI 做的，还是设计师做的？

GPT-Image 2 的手相解读，说实用吧……确实不是刚需。但说好玩吧，确实上头得很。我老婆看到我生成的图之后，也拍了张手让我帮她做一个。不过换个角度想：这个功能背后展示的能力——多模态理解 + 结构分析 + 视觉重构——才是真正值钱的东西。下次别人再用"AI 只是画图"这种话来说 ChatGPT 的时候，你可以直接给他看一眼这张手相图。然后说：你猜这是 AI 做的，还是设计师做的？

GPT-Image 2 的手相解读，说实用吧……确实不是刚需。但说好玩吧，确实上头得很。我老婆看到我生成的图之后，也拍了张手让我帮她做一个。不过换个角度想：这个功能背后展示的能力——多模态理解 + 结构分析 + 视觉重构——才是真正值钱的东西。下次别人再用"AI 只是画图"这种话来说 ChatGPT 的时候，你可以直接给他看一眼这张手相图。然后说：你猜这是 AI 做的，还是设计师做的？

GPT-Image 2 的手相解读，说实用吧……确实不是刚需。但说好玩吧，确实上头得很。我老婆看到我生成的图之后，也拍了张手让我帮她做一个。不过换个角度想：这个功能背后展示的能力——多模态理解 + 结构分析 + 视觉重构——才是真正值钱的东西。下次别人再用"AI 只是画图"这种话来说 ChatGPT 的时候，你可以直接给他看一眼这张手相图。然后说：你猜这是 AI 做的，还是设计师做的？

说实话，测之前我以为结果是"Copilot已经很好了，其他两个是锦上添花"。测完之后我发现，Cursor和Windsurf不是在"补全代码"这个维度上跟Copilot竞争，它们是在重新定义"AI怎么帮程序员工作"这个问题。Copilot说：我帮你写得快一点。Cursor说：我帮你写，你负责把关。Windsurf说：我跟你一起写。三种理念没有对错，看你自己喜欢哪种工作方式。你呢？你现在用哪个工具？有

A2A协议的出现，让我感觉Agent开发的"野蛮生长阶段"快要结束了。就像当年Web开发从手写Socket到有了HTTP协议一样，Agent之间也需要一个通用的交流语言。Google这次做得很聪明——协议本身很轻量，没有强绑定到某个框架或云平台。你可以用Python写、用Go写、甚至用Node.js写，只要能解析JSON加上发HTTP请求就行。写胶水代码的时间至少省了70%。以前搞多Agent系统

写这篇文章的时候，我特意去翻了一下2017年的代码仓库。当时用LSTM做机器翻译，一个3000万句对的模型要训练两周。现在同样的任务，Transformer只需要一天半，效果还好得多。自注意力机制的厉害之处不是它算力强，而是它让信息不再需要经过"压缩-解压"的过程。每个位置直接跟所有位置对话，没有中间商赚差价。这才是替代RNN的根本原因。如果你也想深入理解Transformer，我建议不要只读论文

LoRA最让我佩服的地方不是它的数学推导，而是它把"模型训练"这件事的价格打了下来。从需要10万月租的训练集群，到一张4090就能跑——这不是渐进式改进，这是量级上的变革。如果你还没试过LoRA，找个周末跑一下。从HuggingFace的PEFT库开始，找个小模型（比如Llama-3.2-3B），拿100条你的数据试试。下篇准备写LoRA + DPO的组合实战，感兴趣的可以关注。

MoE 的核心思想其实很简单——别把所有鸡蛋放在一个篮子里。但实现起来确实有不少坑。说实话，我觉得 MoE 对普通开发者的意义不在于"从头训一个 MoE 模型"，而是在于理解它之后，你能更好地用这些模型。知道它的路由机制，你就知道为什么某些提示词效果更好。知道负载均衡的设计，你就知道为什么某些场景下 MoE 模型的输出质量波动比 Dense 模型大。知道通信瓶颈在哪，你就知道为什么 MoE 模型的