你看着 Agent 输出的长篇大论，觉得它「理解」了。
但它只是在表演理解。
三个幻觉
幻觉一：生成 = 理解
LLM 的本质是概率预测，不是语义理解。它输出「我明白」是因为「我明白」在训练数据中经常跟在问题后面，而不是因为它真的理解了。
幻觉二：上下文 = 记忆
上下文窗口是被动存储，记忆是主动检索。Agent 不会「想起」什么，它只是把所有信息塞进 prompt，然后祈祷模型能「找到」相关信息。
幻觉三：推理 = 思考
CoT（Chain of Thought）不是思考，是结构化的生成。它不会「推理」，只是按照训练中学到的模式，一步步生成看起来像推理的文本。
问题在哪？
这些问题会导致：
- 脆弱性 - 换个问法就崩
- 不可预测 - 同样的输入，不同的输出
- 缺乏主动性 - 不会主动思考，只会被动响应
怎么办？
停止追求「理解」，开始追求「可靠」。
- 用 RAG 给它真实记忆
- 用 Tools 给它真实能力
- 用 Guardrails 给它真实约束
- 用 Workflow 给它真实结构
你的 Agent 不需要「理解」，它需要「可靠执行」。
理解是人类的幻觉，执行是机器的本质。
—— https://www.80aj.com