Agentic 不等于必须使用大型语言模型

Agentic 界面会理解目标、选择能力、排列步骤，并把输出连接到下一步。在有限工具目录中，多语言语义评分、版本化规则和明确参数提取可以更快、更可审计，也真正离线。

方法说明比名称重要。没有生成式模型的系统不应暗示自己是 LLM，而应展示匹配信号、选择理由、计划置信度与限制。因此 ByteQuant 把本地助手定义为可解释的混合搜索与规划引擎。

  • 公开模型类型与版本。
  • 分别说明网络与存储边界。
  • 不要把预检查称为验证。

把规划与执行权限分开

选择文件、运行代码、下载结果或访问外部地址都需要单独授权。安全编排应展示并允许编辑每一步，不能自动执行带副作用的动作。

工具桥可以传递文本，但不得自动填写密码、选择文件或触发下载。计划与有限的中间输出只应保留在当前标签页的 sessionStorage 中。

  • 显示每步目的与输入来源。
  • 文件和下载保持手动。
  • 高影响结果需要独立复核。

设备端语音与诚实的透明度

有用的透明度展示匹配信号、提取参数、选用理由和边界，而不是隐藏思维链。基于本地规则解释错误也不等于根因分析或安全批准。

只有浏览器确认设备端处理和语言可用时才能启动语音，并强制 `processLocally`；不支持时保留文本输入，不回退到远程识别。语音只是输入便利，不是身份验证。