上下文隔离

上下文隔离是在使用大型语言模型（LLM）时将不同的任务或知识领域分开。可以将其想象为给每个任务分配自己的专用空间。不是让一个大的LLM试图同时处理所有事情，而是使用多个、较小的“代理”，每个代理都专注于特定的任务并在自己的特定数据上进行训练。这防止了不相关信息相互干扰，从而带来更准确和可靠的结果。