# Our CEO @jerryjliu0  in @VentureBeat , on what's actually changing in the LLM stack:

"We've really ...

Canonical URL: https://www.traeai.com/articles/d2f2e654-95e7-4c00-9a95-f46f60600d59
Original source: https://x.com/llama_index/status/2050322902923272337
Source name: LlamaIndex 🦙(@llama_index)
Content type: tweet
Language: 中文
Score: 7.8
Reading time: 2 分钟
Published: 2026-05-01T21:14:07+00:00
Tags: LLM, RAG, 数据层, LlamaIndex, AI架构

## Summary

LlamaIndex CEO指出LLM栈的核心变革在于数据层：企业关键上下文仍锁在PDF、合同等文件中，框架抽象已成负担，真正护城河是高效提取与供给高质量上下文的能力。

## Key Takeaways

- LLM应用成败取决于上下文质量，而非底层模型选择
- PDF/合同/申报文件等非结构化数据是企业最核心但未被激活的上下文来源
- 2023年流行的框架抽象正迅速过时，轻量、专注数据连接的基础设施成为新焦点

## Outline

- 引言：LLM栈的范式转移 — 指出当前LLM技术演进重心正从模型层转向数据与上下文供给层。
  - 核心论点：上下文即护城河 — 强调企业级AI能力差异源于上下文质量，而非模型本身。
  - 数据困境：格式容器锁死价值 — PDF、合同、监管文件等非结构化数据是高价值上下文，但长期被格式隔离。
    - 框架退潮与数据层崛起 — 2023年流行抽象层已成冗余，轻量、可插拔的数据接入层成为关键基建。

## Highlights

- > Ultimately, whether you use OpenAI Codex or Claude Code doesn't really matter. The thing that they all need is context. — 原文引述
- > The framework abstractions that saved developers months in 2023 are dead weight now. — 原文引述
- > What survives is the data layer because agents are only as good as the context they get. — 原文引述

## Citation Guidance

When citing this item, prefer the canonical traeai article URL for the AI-readable summary and include the original source URL when discussing the underlying source material.