agents

LangChain 在 TerminalBench 2.0 上从 30 名开外飙到了第 5 名。他们没有换模型。同一个 LLM。同样的参数。唯一改变的是包裹在模型外面的那层软件——Harness。 ...

周五晚上还在排 pitch deck 格式的投行分析师，并没有在创造 alpha。他们在给数字画框——那些数字早就从 CapIQ 拉出来了，早就在模型里交叉验证过了，早就被 VP 批过了。横在数据和格 ...

Agent 的自主性是一根滑杆，不是一个开关，正确档位由任务决定的多过由技术决定的。把滑杆推到"完全自主"的本能是真的，因为那样 demo 看起来很神奇。代价后来在客服队列里出现，那时一个 Agent ...

评测一个 Prompt 已经很难。评测一个在给出答案前要跑十次工具调用的 Agent，是另一个量级的难。能产生正确答案的轨迹很少完全相同。能产生错误答案的轨迹常常一直看起来合理，直到第七步。标准的精确 ...

你建的第一个 Agent 没有当前对话之外的任何记忆，这能撑大约一周。然后用户回来，期望连续性，你开始往上贴记忆：一张数据库表、一个向量库、把过去会话的摘要塞进 system prompt。三个月后， ...

Agent 的失败不抛异常。它们产出看起来合理但错误的输出，或者用稍微不同的方式悄悄重试同一个坏方法。把 Agent 包在 try/catch 里是错误的心智模型——Agent 没崩，它只是继续往一个 ...

会用工具的 Agent 在 demo 里看起来很有力，因为模型在选下一步做什么。它在生产里看起来很脆弱，因为模型在选下一步做什么。可用工具的空间随特性线性增长，随边界情况二次增长——超过大约十二个工具 ...

Agents