最新资讯
dev.to Pando:OpenAI 如何通过放宽跨分支一致性,让 Git 支撑 Agent 速度的推送 dev.to 为能花钱或签发的 Agent 做威胁建模 dev.to Linux 本地提权:OpenAI 报告的 948 项发现 unite.ai NVIDIA 以 Vera CPU 对比 x86:聚焦 Agent 速度与能效容量 techmeme.com 消息称 NVIDIA 接触 Apollo,拟将 Brightspeed 的 130 多栋建筑改造为小型数据中心 thenewstack.io Factory 收购 HumanLayer,并称其为一个月内第三起 AI 编程初创收购 blogs.nvidia.com NVIDIA 称 Vera CPU 兼顾高吞吐与最快 Agent 性能 www.youtube.com Netflix 如何评估没有标准答案的 AI 任务 nytimes.com OpenAI 承诺让当地社区在数据中心项目中拥有更多话语权 unite.ai 约 60 万块 NVIDIA H200 因北京进口审批滞留香港 techcrunch.com Meta 称美国用户现可与 Muse AI 头像视频通话 theinformation.com Nvidia 应对数据中心阻力的变通方案:改造旧电话局建筑
多元动态
登录 注册
智能体 x.com · @李继刚(@lijigang_com)

李继刚:Agent 发展是不断补短板,外围支撑与模型能力此消彼长

原文 我的收藏

李继刚总结 Agent 演进路径:缺事实加检索与数据接口,长任务丢信息加状态保存与上下文管理,工具调用失败加重试检查恢复,行动越权加权限隔离与审批,结果不达标加测试验收。这些支撑技术决定模型原始能力能否落地,但带来延迟、维护成本、错误传播和协调开销。外围兜底与模型吸收能力形成两股力量,哪些留在模型内、哪些留在外部会持续变化。

AI推荐理由 作者对 Agent 工程化演进做了结构化归纳:检索、状态管理、重试恢复、权限审批、测试验收等支撑技术,并指出这些外围系统带来延迟、维护成本、错误传播和协调开销,以及模型进步会吸收部分外围能力的动态关系。属于有信息密度的观点性总结,但为个人经验判断,无具体案例或数据支撑,也未给出可验证证据。

62

正文

回看 Agent 的发展,基本是一路补短板: - 缺少当前事实,就加检索和数据接口 - 长任务容易丢信息,就加状态保存和上下文管理 - 工具调用会失败,就加重试、检查和恢复 - 行动可能越权,就加权限隔离和审批 - 结果看着对但不达标,就加测试和验收 这些「支撑技术」决定了模型的原始能力能不能真正落进现实场景。 但它们也带来自己的代价:延迟、维护成本、错误传播、协调开销。 于是形成两股力量:外围不断加支撑系统来兜底,模型进步又把其中一部分能力吸收进去,让结构重新变简单。 哪些留在模型里,哪些留在外面,会一直变。 💬1🔄0❤️2👀185📊1

来源报道 · 1 篇 · 以下链接均前往原始媒体

← 返回精选动态 原文

更多内容