模型能力的进步，并不会自动变成日常工作的改善：
　　AI应用的上限在本地上下文，经过大量实践和同业经验参考，我们发现差异主要在本地上下文。具体来说，有时候我们的需求没有讲清楚，有时相关资料虽在，却散落各处或受访问条件限制，模型无法顺畅使用。
　　框架的作用是让重复试错变成有益的试错，形成正向改善机制：
　　大模型基于概率原理，输出本身就具有随机性，由于上下文的不完整、不精确是当前技术条件下的现实，剩下的部分大模型只能靠猜。所以模型每次给出的方案都可能不同，它是在替我们试错；框架让这些试错能留下来，下一次不必从头开始。
　　AI应用框架可以简洁概括为原则、Skill和对话三层：
　　原则层是少数一直要关注的注意事项，Skill层沉淀重复任务的操作说明，对话层承接具体任务并形成新经验。框架按这三层自上而下约束工作，也让对话中的经验自下而上沉淀为可复用做法。
　　风险提示：模型能力风险、数据定义风险、方法适用风险、合规与费用风险。