换了好几个模型，有些简单问题AI就是很难回答上来

[mraksugar]

一部分当然是因为本地模型能力问题。
一部分也是因为提示词边界和规则没有建立导致的，如楼上的描述：
你是一个亚洲nba资深球迷, 请在XXX.com,截止当前时间，上一场nba比赛的球队和比分？ 诸如此类的具体描述

[陈鸿]

需要你自己补充问题的边界。

[kos or]

我試了一次 Qwen3.6-35B-A3B 提供給我的賽事資料是 2025/06/01，它有使用瀏覽器，但是最後還是做夢夢出來的。（真是糟糕，這MXFP4 版本是不是精確度很差）

[Tony Wang]

@kos-or

所有的模型都有知识库的截止时间.

你直接告诉hermes说你的内容过期了, 去找相关领域的cli, rss源等, 它会自己建立skill.

本地的35A3的知识面和智力足够告诉Hermes应该怎么去搜索, 寻找了. 实在不成, 自己告诉hermes去哪里找准确的信息源, 最好是cli, rss的, 减少噪音. 然后它自己就能建立这个skill.

[kos or]

@Tony-Wang 我有設定Thinking-budget:2048 tokens 避免它一直卡在Thinking模式浪費太多時間。不過剛剛它一開始動用好幾個Browse工具上網查資料，就代表知道要上網找，我懷疑可能是被2048限制了，被迫馬上輸出答案才產生幻覺。我再調整成4096好了

[williamlouis]

提示词太笼统了。你肯定知道去哪看。把准确的地址给 Hermes 它是可以搞定的。

[Tony Wang]

我刚才试了一下, 用35A3

• 第一个问题: 最近的一场NBA球赛, 是谁对谁, 比分多少? 你的知识库是过期的, 上网找相关的cli或者rss源, 给我个准确回答. 今天是2026年5月30日.
• 然后它去找rss搜索, 尝试了很久, 大概有2分钟吧, 我等不及
• 第二个问题: 还没找到吗? 找找github上有专门的nba cli
• 然后它有转了大概2分钟吧, 给我安装了一个 nba-api, 然后回答了

答案 : 2026年5月28日 (NBA 季后赛)

 | | 球队 | 得分 |                                                                        
 |---|------|------|                                                                                
 | 🏠 主场 | San Antonio Spurs (马刺) | 118 |                                              
 | ✈️ 客场 | Oklahoma City Thunder (雷霆) | 91 |

我不是NBA球迷, 不过这个答案和我搜google是一样的.

如下是最终截图

[Tony Wang]

@kos-or

提示词明确些, 另外如果它长时间卡住, 直接再次提问打断它就好.

[sospda]

包括qwen3.6 27B 和 35B A3B 等模型在这类问题上表现都不好

人工查看当然快，现在其实就是测试模型的智能程度，

如果什么都讲清楚了，就没必要这个ai来做推理判断了。

说明还有改进空间。

[kos or]

@Tony-Wang 我昨天之後嘗試了第二次prompt 就成功 [ 幫我查詢NBA比賽最新的一場賽事的比賽結果] ,

我做了兩個動作, 1.換掉Qwen3.6-35B-A3B-MXFP4 改用 Qwen3.6-35B-A3B-UD-Q4_K_XL 兩個檔案大小都約22GB ; MXFP4 速度快 但精確度和穩定性比 UD-Q4_K_XL 版本差 2. Reasoning-Budget 改成4096 我推估假如Hermes 在網路上抓的資料過多, 超過2048tokens 時 會被系統阻斷思考 被迫直接輸出一個答案(有可能是舊的訓練資料) 3. 這資料時間慢了一兩天, 我之後再試試

[Tony Wang]

我还是觉得:
1, 不是模型智力的问题, 这个任务很简单, 它的思路没问题, 但是噪音比较多, 不容易找到准确的源
2, 和Reasoning 的长度没有太大关系, reasoning 即使阻断, 它还是会继续思考. 这个任务很简单, 它推理去搜索, 和理解搜索文本的结果没有问题.
3, 你最好告诉它今天的准确时间, 如果时间已经准确地告诉它了, 它给你这个结果, 那就是不对的, 你得继续让它找.
4, 它一旦找对了, 建立了skill, 以后就都能准确回答了.

[johnnybegood]

@sospda 同样一辆车， 有的人跑赛道是10分钟， 有的人跑同样的赛道是5分钟。 有的人抱怨这个车真是垃圾，太难操控。 有的人精进自己的能力，去熟悉这辆车的操作，把它的性能发挥到最大。 智人跟猴子最大的不同，就是会使用工具，现代人跟智人的不同，就是现代人知道如何更好地去使用工具。

[blackjack]

配置web search工具，申请注册填入taviliy key

[sospda]

@johnnybegood 说:

@sospda 同样一辆车， 有的人跑赛道是10分钟， 有的人跑同样的赛道是5分钟。 有的人抱怨这个车真是垃圾，太难操控。 有的人精进自己的能力，去熟悉这辆车的操作，把它的性能发挥到最大。 智人跟猴子最大的不同，就是会使用工具，现代人跟智人的不同，就是现代人知道如何更好地去使用工具。

说那么多有啥用，你测试过没？要多久？如果没有试过，可以试试。

同一个问题， 不同的模型反应速度不同， 足以证明在该问题下不同的模型的智能程度。

也说明了，在该问题下，有些模型还有进步空间。

这有什么问题吗？

我发现了这一现象，提出来，不代表我就不去提升我的技能。

这是两码事。

[kop wang]

这个问题其实有几个变量要统一才好比较。
1、你的本地Agent环境是否提供了功能对等的Web_Search机制。因为部分模型API是自带检索功能的（比如Anthropic的模型）
2、本地模型采用的是否是精度比较高的版本，以及上下文是否开满。

从benchmark的角度来看，qwen3.6-27B的满血版本，在Agent能力上，和deepseek-v4-flash没有本质差距。都属于二线上等水平。也是开源的一线水平。

[blackjack]

blackjack 说:

配置web search工具，申请注册填入taviliy key

[terry]

@Tony-Wang 1，你可以明确要求它用curl爬网络信息，espn，nba.com都可以，不需要安装任何东西。
2，你可以安装google search key，这个每天100次免费，足够了。超出的价格也便宜的很，完全不用担心。