过去一年，大模型更新速度快得惊人。今天是 Claude 发布新版本，明天是 GPT 推出新的能力，后天可能又是 Gemini 刷新上下文窗口记录。技术社区里关于模型能力的讨论从来不缺：哪个模型代码能力最强？哪个模型推理效果最好？哪个模型上下文最长？哪个模型跑分更高？但当真正把这些模型接入生产环境后，我发现一个有趣的现象：模型能力往往是整个系统中最容易解决的问题。真正困难的，是模型之外那些看起来不那