Agent读什么，Agent被塑造成谁

What Machines Read, What Shapes Them

两件作品构成一组双联画：一侧是外部知识结构——Agent 读什么；一侧是内部行为结构——什么塑造 Agent。知识如何被组织，人格如何被编码。

双联画 · A DIPTYCH — 外部知识结构 / 内部行为结构

Living Knowledge Work● On View

智能体原生知识库

Agent-Native LLM Wiki · 2026

它把 Word 来源、可追溯证据、规范知识、行动指南与主题地图编译成一个持续更新的知识系统：Wiki 服务人的阅读与判断，MCP 则让 Agent 在同一事实基础上检索、连接和推理。

我把它视为一座持续生长的知识建筑。它讨论的不是如何积累更多资料，而是当 Agent 成为知识使用者后，知识应当以怎样的结构存在。
策展人语

带着这个问题进入

当 Agent 成为知识使用者后，知识如何既保留来源与语境，又能被机器稳定检索和调用？

建议阅读顺序

先看首页「范式转变：把知识库当成产品来设计」，再进入 LLM/RAG/Agent 主题地图；技术读者可继续查看 MCP 使用说明。

Analytical Narrative● On View

System Prompt Dossier · 2026

它不满足于收集泄露的 Prompt，而是用身份、权限、安全、工具、商业优先级、运行时干预、版本差异和 Token 成本八个维度，把不可见的产品配置转化为可比较、可追溯的人格档案。

仅仅追问「哪个模型更强」，并不能抵达人与技术之间真正的共鸣。我们更希望邀请观众一同观察：这些模型如何被塑造成独特的行动者——它们鼓励什么、回避什么、优先回应谁，以及在一次次版本演进中，如何逐渐形成自己的「性格」。
策展人语

带着这个问题进入

如果 system prompt 本身就是产品的一部分，我们该如何观察一个模型被设计成谁、服从谁、回避什么，并如何随版本进化？

建议阅读顺序

先看 Methodology 的八维拆解，再任选 Claude、GPT、Gemini、Cursor、Devin、Grok 或 Copilot 档案；最后查看 Sources 的来源标注。