Summary
系统中的每一步要么是 Latent（潜在空间，模型判断），要么是 Deterministic（确定性，相同输入相同输出）。好的架构把正确的工作放在正确的层级。
Key Points
两种空间
| 维度 | Latent Space | Deterministic |
|---|---|---|
| 特点 | 判断、综合、模式识别 | 相同输入 → 相同输出 |
| 信任 | 概率性 | 可靠 |
| 工具 | LLM | SQL、代码、数字 |
| 适用 | 需要理解、推理 | 需要精确、可重复 |
经典例子
“LLM 可以给 8 个人安排座位。让它安排 800 人，它会生成一个看起来合理但完全错误的座位表。”
这是把 确定性问题（座位安排算法）强行塞进 潜在空间（模型猜测）。
架构原则
Fat Skills（顶层） → Latent: 判断、流程、领域知识
Thin Harness（中间层） → 混合: 路由、调度
Your App（底层） → Deterministic: DB、搜索、时间线
- 智能 向上 推入 Skills（latent）
- 执行 向下 推入确定性工具（deterministic）
- 保持 Harness 精简
Skill 中的混合
一个 Skill 文件可能同时包含：
- Latent 步骤：阅读文档、综合分析、做出判断
- Deterministic 步骤：调用 CLI、查询数据库、计算指标
关键是把每一步放在正确的空间。
Evidence Timeline
- 2026-04-23: 从 gbrain 仓库 ingest，Garry Tan 定义