一、局限性任何模型都永远存在三种局限性即知识边界、推理边界、行为边界只是对于不同模型有不同程度的体现。1、知识边界由于模型在特定任务下缺少相应的知识而使用其泛化的理解力以实现目的出现不稳定及不精准的情况2、推理边界由于模型本身的上下文窗口限制、注意力权重稀释等问题对上下文的处理能力不足而导致当待处理的任务过长或过复杂时出现不遵循指令或者执行准确度不足的情况3、行为边界虽然模型本身可做文本生成、图像生成等但仍然不具备更多元化的能力因此在实现某些任务目标上无法独立实现二、产品技术实践场景1、知识边界考虑最佳的AI产品实践按推荐可行性排序1.1、自己作为任务所需要的知识体系的生产者1.2、具备足够强大的领域专业模型1.3、RAG或模型提示词补充信息但对知识要求极其高因为除了可见的标准信息特定任务下通常还包含隐性的经验、常识等不易搜罗的信息。不易有效达成目标的实现2、推理边界考虑推理边界相对可解决按推荐可行性排序2.1、优先选择参数量大推理能力强的模型2.2、通过工程策略或手段让模型做尽可能小的事情3、行为边界考虑通常可结合MCP、workflow、function calling等扩展行为边界总结上述三种边界下的考虑实践均优先以满足可行性排序在前的点效果会事半功倍当然也可以多点结合实践以提高任务完成度