Brainbase Labs 如何将 AI Agent 准确率从 41% 提升至 97%

Brainbase Labs 的 Milind Sunil Shah 在 AI Engineer 分享六步框架，以 Domino's 竞品披萨价格追踪项目为例，从 v1 到 v11 将准确率由 41% 提升至 97%，单源成本从 2 美元降至 1 美元，运行时间从 129 分钟降至 71 分钟，改进主要来自指令、技能和 playbook 而非更换模型。六步为：对齐目标、定义本体、基准与评测、先交付窄范围 Agent、评分修复迭代、交接整个闭环。

AI推荐理由 AI Engineer 会议演讲，给出一个具体 back-office Agent 案例：通过 instructions、skills 和 playbooks 迭代而非换模型，将准确率从 41% 提升到 97%，单源成本从 2 美元降至 1 美元，运行时间从 129 分钟降至 71 分钟，并列出六步框架（kickoff、ontology、benchmarks/evals、窄范围首版、迭代、交接闭环）。信息密度高、可操作性强，对 Agent 工程落地有参考价值；但数据来自演讲者自述，缺少独立验证，且为会议录像转述，故未给更高分。