為什麼我們都在假裝單一 Agent 夠用
過去這一年，整個 AI 業界幾乎都把力氣花在訓練更強的單一模型——模型大一點、上下文長一點、輸出就更好一點。這套邏輯在 Lab 裡看起來有效，但在真實應用場景裡開始碰壁。
我在實際使用 OpenClaw 的過程中觀察到一件事：當我試著讓一個 agent 同時處理郵件、回覆股票問題、發布部落格文章時，輸出的品質會飄移。有時候它會忘記之前交代過的偏好，有時候在郵件和文章之間不小心混用了語氣，有時候乾脆就是 hallucination — 自信地給你一個錯誤的數字。
這不是模型的錯。這是架構的問題。
當一個 a...
