自改进的开源 Agent 栈——Langfuse 的 Marc Klingen

Langfuse 联合创始人 Marc Klingen 讲述团队如何从人工每周阅读 trace 改进 Agent，转向让 AI 承担大部分改进循环。他给出构建 Agent 的参考栈：在线 tracing 与监控连接离线数据集、实验与评测，并梳理从下一 token 预测到人类设定目标的各层循环。AI 已能提出修复建议，团队也开始用它维护数据集与评测标准，人类仍负责方向。演示中，一个编码 Agent 使用 Langfuse 的 agent skills 发现 Langfuse 自家 changelog 写作泄露内部术语，更新评测并回测出更好版本后再发布。

AI推荐理由 Langfuse 联合创始人关于自改进 Agent 栈的演讲，提出在线 tracing/监控与离线数据集、实验、评测相连的参考栈，并演示编码 Agent 借助 Langfuse agent skills 发现自身 changelog 写作问题、更新评测并回测后再发布，对 Agent 工程闭环有具体参考价值；属经验分享，效果依赖其演示场景。