从 Demo 到生产:Agent 工程化落地的十二道关卡

Agent 的演示和 Agent 的生产是两种工程。演示比的是能力上限:挑十个干净的任务,跑通一次就能录屏。生产比的是失败下限:每天几万次调用里,长尾输入、工具故障、模型限流、死循环都会出现,任何一次无人处置都可能演变成 …

给 Agent 设计工具的原则:描述即接口

对模型来说,工具的名称和描述就是接口文档加使用说明书,也是它决策的唯一依据。工具设计是 API 设计与文档写作的复合体——命名、描述、参数、返回值每一项都直接影响调用成功率。工具描述的质感,就是你 Agent 能力的上限 …

长任务的规划、反思与自我修正

长任务失败的主因不是模型不够聪明,而是走出十步后忘了初衷、走偏了也没有机制把它拉回。规划(先拆步骤)、显式任务清单(todo 进上下文)、反思(关键节点自查)是三个成本低、见效快的机制。但每个机制都要花额外 token, …

Agent 评估:没有 Evals 就没有迭代

改 Prompt、换模型、调工具描述之前,先搭一个最小评估集。没有 evals,所有优化都是"感觉变好了";有了 evals,AI 应用的迭代才第一次变得像软件工程。20 个真实 case 就能起步,不要等"完美的评估体 …

多 Agent 协作模式与适用边界

多 Agent 不是团队比喻的模拟,而是上下文管理手段。它的真实价值只有两个:上下文隔离和并行。如果单 Agent 加几个好工具能解决,就不要拆多 Agent——协调成本经常吃掉收益。 为什么拆:上下文隔离 单 …

Agent 记忆设计:短期、长期与检索式

不要一上来就上向量数据库。记忆设计的正确顺序是:先榨干上下文窗口(会话历史 + 摘要压缩),再补任务状态(结构化 scratchpad),最后才考虑跨会话的长期记忆。大部分"记忆问题"其实是上下文管理问题。 三层记忆模型 …

ReAct 模式:推理与行动的循环

ReAct 就是"想一步、做一步、看结果、再想"的循环。它不是某个框架的专利,而是一种 Prompt 组织方式加控制循环;Function Calling 循环本质上就是结构化版的 ReAct。 ReAct 在解决什么问 …

lbk_runtime@engineering-notes: ~ hover 展开 · Esc 收起
Last login: 2026-11-18 21:06:07 from console $ whoami LBK_Runtime — 后端 & AI 工程师,写 engineering-notes $ neofetch site: engineering-notes author: LBK_Runtime posts: 93 篇 · tags: 44 个 rss: /index.xml hint: 输入 help 查看可用命令
lbk_runtime@engineering-notes:~$