（来源：上观新闻）
原因不在🕎🧻于硬件🏴。视觉模块“😧看到”的丰富空间🇧🇧信息，传到🇧🇿动作模📪🖥块时，往往只剩👨👨👦🎙一个模糊的摘要🚠📙。不过最近，这个🇸🇸找搭子的🇨🇫问题，可能要被🔵👩🦲广交会上的🍌一台人🇹🇹形机器人解⛅🌲决了♋。这个思路🍲🥫听起来简单🇲🇷🕤，但实现起来🐰😤远比表面复🚩杂🦐。社会学家📔🈁雪莉·特🍵克尔在《群体🤾♀️🚕SCM系统性孤独🇲🇿👩👦👦》中曾🎺提出，现👳🇨🇰代人正在🇸🇸被数字技🖐💳术推向💷一种“💞连接却👭孤独”的状👶态： 我🔟们每天接收🔫大量信息，却越来🦶越缺少真实的🧩互动和被回🇧🇴应的体验🐪😥。
文件即通道协🈶议做到了这一点🇹🇩，而层级化编排则🌬🍵确保了👯♂️🏸SCM系统这些积累下🇨🇷来的状态能🍱够被正确🚸地路由给有能力🎡🚴处理它们的👩🚀🥃专业代理🌋。这种"⬜🌚先结构化🗄、再语言化"的路📥🛬径，可能比Ⓜ📸直接让语言模型输🇵🇱🇮🇩出区域级🍆分析更加可靠🖨和可控⭐📹。过去很多人认为，📼只要语言模型足🤹♀️🇨🇫够强大，给它更🇫🇷😉多时间🇹🇿👱和更多🍐"思考"机会🍎，它就能自然9️⃣☠而然地完成更📔💂♀️复杂的任务🥝。
失败覆盖🔐📖率的分布也非常🇹🇻集中："🦞🉐结构化数🇹🇹🗿据推理"覆盖了约🤹♀️🈲41个失🦹♀️败案例，🇳🇪"多步👨⚖️🥒骤任务完成🖤"覆盖约25个，🇧🇹"前提条😽件验证"约3♿👞4个，"🇬🇭🕳工具调用🐔💗精确性"🥽约20个，🇱🇧🚵而其他被淘✋🌅汰的候选能力大多🇯🇲🤜只覆盖10到1👙🌕5个案例🏥。这些特性是 D👨💼C 发现的，并😬💄未包含在任何📊🤫输入指令中（参🐝👚见第 3 段）🌛。
