待验证50% 置信事实精确时间

来源混淆（source confusion）是多智能体系统中的典型问题，语言模型在长上下文窗口中不总能区分人类明确指示与另一智能体的推断或建议

1

来源数

50%

置信度

长期有效

时效性

2026/10/12

首次发现

来源

AI智能体团队协作的10个隐性坑：从资源抢占到成本失控

涉及实体

source confusionconcept 多智能体系统concept

相关事实

待验证Perplexity能够提供带引用来源的答案，部分解决了大语言模型的幻觉问题73% 相似待验证编程智能体本身并不具备智能，真正的推理来自背后的大语言模型，智能体充当组织提示词、管理上下文和翻译模型意图的胶水层72% 相似部分验证当前自然语言提示的最大问题在于歧义性，同样的需求不同人写出的提示词可能完全不同，AI产出的代码也可能截然不同71% 相似待验证语音识别和自然语言理解在处理变量名、特殊符号、复杂逻辑约束时容易产生歧义70% 相似待验证将评分规则写入 prompt 自然语言存在缺陷：不同次调用措辞差异可能导致模型理解偏移，且评分逻辑无法被程序直接解析或复用70% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/1001840

API

curl https://kongchang.com/api/v1/knowledge/claims/1001840

MCP

get_claim(id=1001840)