凡人小北
1个月前
读完 Anthropic 的多智能体系统文章,有几个点挺触动的,尤其是放回我们平时在做 agent 编排和系统落地的过程中,对应起来很多痛点被他们提前踩过、总结得非常系统。 这套系统看上去是给 Claude 提升复杂研究任务能力,底层其实是三个关键词:带宽、结构、机制。 1️⃣从 token 到带宽:扩容问题其实是系统问题 他们很明确地说,单个 agent 很快就会遇到 token 限制,这不是模型能力不行,而是容量不够。很多时候 LLM 的“不会”、“忘了”、“答不出来”,只是 context 塞不下。这一点在我们自己调长链条、多跳调用的时候也很明显。Anthropic 选择的解法不是扩模型,而是拆任务、开并发、分 agent,每个 agent 自带上下文窗口,从系统结构层面扩容。 这种设计非常实用,因为它绕过了 token 墙的天然限制,通过多 agent 并发变相把 token 维度拉开了。这是我最近做 agent 编排时反复体会到的:不是把 prompt 写得多聪明就能解决,而是要想清楚结构怎么设计,谁来拉信息、谁来拼结构、谁来追引用。 2️⃣提示词是系统指令,很重要、很重要、很重要! 这篇文章有个细节写得特别清楚:主 agent 的提示词,是负责分配任务、指明目标、交代格式、选工具的。这个逻辑其实是我们做复杂 agent 系统中很容易忽略的一块:提示词不只是沟通语言,更是调度逻辑、任务协议、格式规范的集中承载体。 尤其是多个 agent 并行运行时,如果没有一个清晰、格式化、结构稳固的 prompt 模板,每个子 agent 拉回来的信息会特别散、错漏率高、很难合并。这时候,主 agent 的提示词就等于一个调度中枢的“编程语言”。 从我们平时用的实践来看,这就意味着主 agent 的提示词策略应该和流程图一样严谨:每一步要预设结果、预设失败、预设上下游。这块我觉得是现阶段很多 agent 框架还不够成熟的地方。 3️⃣系统级机制,决定了能不能撑进生产环境 我觉得特别值得借鉴的工程概念:checkpoint、异步重试机制、全链路 tracing、彩虹部署。这几个在大数据异步系统里很常见概念,AI 领域得好好学习下。 这些词不是为了好听,它们背后都是在回答一个问题:这个系统崩了怎么办?agent 卡死怎么办?升级逻辑还没验证好怎么办?一整套机制让这个系统不是在 demo 一个可能性,而是在上线跑任务、自动修复、平滑演进。 平时我们在做流程型 AI 系统的时候,很容易只关注“怎么生成”“怎么判断好坏”,但 Anthropic 的做法提醒我:agent 系统本质上要往服务化方向走,就必须预设失败是常态,重试是能力。 4️⃣评估机制是不可缺的闭环,不然做不出反馈导向的系统进化 他们有一个细节很打动我:让另一个 LLM 去评审 agent 的结果,从准确性、引用合理性、覆盖度等多个维度打分。这就相当于在系统里内嵌了 QA 流程,而且不是事后人评,而是可以插入调试链路的 LLM 评测器。 我们自己在调多 agent 结构时常遇到一个问题:任务执行完了,但结果质量很难量化,只能靠人工判断或者事后比对。这套“LLM 评估 LLM”的机制,让我们开始可以想象一种更自动化的 agent 演化路径:系统自己跑,自己打分,自己选择 prompt A 还是 B,更适合持续调优。 5️⃣并发是工具,不是策略,适用场景边界要想清楚 这套系统最适合的场景是:问题复杂度高、信息广度要求强、非实时产出型任务。例如政策研判、产品调研、文献综述、竞品分析这些,在私域服务里也可以类比成“多维标签用户意图研判”这种复杂工作。 但如果放在需要紧密配合、频繁迭代、低延迟要求的任务上,例如代码生成、对话任务、实时接口构建,多 agent 的协调成本反而可能放大系统复杂度。所以并发结构是个好工具,但什么时候该开几个 agent,什么时候该单线程跑到头,这种策略边界要想清楚。 这篇文章最核心的不是“我们做了一个多 agent 系统”,而是他们已经把多 agent 作为一种工程能力进行制度化建设:有流程、有容错、有评估、有上线机制。 对在第一线实际落地 AI 能力的团队来说,有一个非常直接的启发是:构建 agent 系统,不能只是对话式的 prompt 编排,而要像搭服务一样,从任务定义到评估反馈,从并发机制到异常兜底,形成一整套可以持续运行的系统逻辑。 这一点,比起模型调优,本质上更像是一种架构能力的竞争。
德潤傳媒
1个月前
美雙管齊下 專家:中共藉稀土威脅適得其反 📌美中貿易戰中,中共以稀土壟斷扼制西方,美國車企陷停產危機,但專家警告:中共若再以稀土勒索西方,將令自己陷入危險局面。 美國正加速研發「無稀土馬達」+打造自主供應鏈,這場資源對決或將改寫產業格局。 1⃣中美貿易戰 中共在4月啟動稀土出口管制,讓美國汽車產線幾近停擺。經多輪談判,北京才在6月12日宣布重新開放出口。暫時解套,但「斷供」已成西方心中警鐘。 2⃣美國專家Harris Vincent警告: 👉 若中國逼得太緊,歐美會加速技術突圍 👉 稀土優勢一旦被替代,「中國就無牌可打」 這不是假設,日本早在2010年就因遭稀土斷供,轉向自主開發。 3⃣中共稀土壟斷背後,是以環境破壞換取成本優勢。 ⚠️ 美國若走相同路徑將觸環保紅線,唯一解方: ✔️ 補貼產業 ✔️ 回收既有磁鐵 ✔️ 設計「不含稀土」馬達 4⃣ 無稀土馬達 = 下一場電動車革命? 歐洲車廠已著手「回到特斯拉原理」設計馬達,捨棄釹鐵硼,用AI挑戰新材料。 💡想像:用錳合金取代稀土,讓馬達小型化、省電又不被卡脖子。 5⃣回收也是武器。 美國每年數萬硬碟報廢,磁鐵竟被賣回中國再加工? 現在美國業者開始反攻——在垃圾場尋找資源,從報廢產品中提取釹鐵硼磁鐵,進入再利用循環。 6⃣ 美國政府同步行動:啟動完整稀土供應鏈建設,涵蓋開採、加工、製磁一條龍。 ⏳ 專家估計:3~4年內可建立獨立體系,但成本高、仍需結盟日本、澳洲、歐盟抗衡中共。 7⃣中共用稀土當武器,短期內或有效,但長期來看可能正逼迫西方跳脫依賴。 當對手開始尋找替代品,那場「地球上最強磁鐵」的壟斷遊戲,也許就會瓦解。 … #供應鏈安全 #科技戰 #電動車未來
ginobefun
1个月前
整理了 网站周末一些优质的文章,推荐给大家阅读~ ① 🤖 研究多智能体必读指南: - Anthropic 官方发布权威指南,详解如何通过“协调者-执行者”架构构建多智能体研究系统,将任务性能提升 90%。 - 文章深入剖析了从提示词工程、工具设计到系统评估的全链路实战心法,是多智能体开发者必读的实战手册。 📖 详细: ② 🤖 赛博禅心等联合出品的 AI 行业 5 月大事记: - 一文看尽 Google I/O 全线爆发、Claude 4 重夺编程王座、Veo 3 让视频开口说话等重磅进展。 - 报告洞察“模型大战已结束,应用大战正开启”的行业拐点,垂直 Agent 与 AI 原生应用成为商业化新捷径。 📖 详细: ③ 🧠 苹果设计老将 Bob Baxley 的设计哲学: - 设计远不止美学,它是一种构想并实现理想未来的战略思维,而软件是一种能触动人心的情感媒介。 - 文章深入探讨了科技从业者的道义责任、如何用明确的“设计宗旨”而非空泛的“原则” 指导决策,以及在新旧文化中转换的关键。 📖 详细: 英文播客: 中文版: ④ 🤖 拾象科技深度对谈 Agent 的真问题与真机会: - 核心观点认为,Agent 的真正门槛不在于模型本身,而在于其赖以生存的底层设施,这恰是当下的创业蓝海。 - 对话指出 Coding 是通往 AGI 的“价值高地”与“关键试炼场”,并为创业公司规划了从 Copilot 平滑过渡到 Agent 的务实路径。 📖 详细: ⑤ 🌐 Agentic Browser: 通用 Agent 的下一站? - 文章指出,为突破传统 OS 的“生态囚笼”,通用 Agent 正将浏览器作为新载体,其核心是实现“代替用户行动”而非仅仅“辅助浏览”。 - 这场竞争的本质是对用户跨应用“上下文”的控制权,Agentic Browser 的终极路径是从信息入口演进为全新的 AI 操作系统。 📖 详细: ⑥ 🚀 AI 工程师世界博览会 2025 官方复盘: - 一场汇集超 3000 名从业者、见证 Gemini 2.5 Pro 与 Dagger for Agents 等重磅发布的行业风向标。 - 核心趋势是行业全面转向 Agent,从“智能体工厂”到“容器化混沌”,AI 工程师正在定义下一代应用范式与基础设施。 📖 详细: ⑦ 🤖 SaaS 巨头 Intercom 的 AI 转型之路: - Intercom 正上演一场“自我毁灭式”的 AI 重生:在“战时 CEO”带领下,彻底抛弃按席位收费的传统模式,转向按 AI Agent 解决问题的效果付费。 - 文章深度剖析其将核心 AI 部署到竞品平台的反直觉战略,以及如何通过极端组织变革,带领公司从“辅助人类工作”转向“替代人类工作”。 📖 详细: ⑧ 🏗️ 白鲸开源 CEO 郭炜:传统数据仓库正在被 Agentic AI 吞噬 - 当数据的主要消费者从“人”转向 AI Agent,为人类决策支持而设计的传统数据仓库架构正面临范式颠覆。 - 文章前瞻性地提出下一代 Agentic Data Stack 架构,其核心是将“结构与查询”模式转变为“语义与响应”模式,重塑数据全链路。 📖 详细: ⑨ 💻 Cursor AI 编辑器保姆级入门指南: - 专为解决“起步即劝退”的配置难题,提供一站式插件清单、快捷键与实用技巧。 - 内含一套完整的 `settings.json` 与 `launch.json` 懒人配置,帮助 Java 开发者快速将 Cursor 打造为媲美 IDEA 的高效 AI 编程环境。 📖 详细: ⑩ 💡李继刚的 Prompt 设计: - 作者分享了“模式觉察者”、“标题炼金师”、“趣味数学”三则大师级 Prompt,旨在为 AI 注入特定领域的“灵魂”。 - 其精妙之处在于,它们不止是任务指令,而是通过构建完整的人格、核心信念与价值体系,将抽象的创作能力升华为一种独特的思维哲学。 📖 详细: