为创建软件的 AI 智能体构建证据层
摘要
作者介绍了 Flows，一个用于构建软件的 AI 智能体的执行与验证层，它要求在将任务标记为完成之前提供证明，并在一个真实的多模块应用上成功进行了测试。
我正在构建 **Flows**，一个用于构建软件的智能体的执行与验证层。核心规则：智能体不应在没有支持性证明的情况下，将“我认为我完成了”转变为“已验证完成”。一个 Flows 项目可以包含实现步骤、检查、修复说明、审查和发布条件。https://flows.oortstack.com 一个独立的智能体使用一个计划构建了一个真实的多模块应用，59/59 项自动化检查全部通过。目标指标是：**在真实流量上，未经验证的必要声明交付数量 = 0。** 证据强制应该放在智能体框架、仓库 CI、应用平台，还是跨智能体工作区中？
相似文章
AI生成的软件需要独立于模型置信度的完成信号
介绍Flows，一个面向软件构建代理的执行与验证层，主张代理需要与模型置信度并行的独立完成信号，并通过一个59/59检查全部通过的多模块应用加以验证。
AI编码代理在说“完成”前应留下什么证据？
探讨AI编码代理在将任务标记为完成前需要提供工作证据的必要性，并考察验证策略和最佳实践。
AI构建的UI需要证据关卡：设计Token、截图、视觉质量检查
本文认为，AI生成的UI需要设计Token、截图和视觉质量检查等证据关卡来保证质量，并介绍了Superloopy——一个强制执行这些检查的CLI工具。
对于智能代理来说，是否有一个好的执行层，还是大家都在自己构建？
作者探讨了为AI代理构建执行层时遇到的挑战，包括处理重试、部分失败和验证（当与多个应用交互时），并询问是否有现成的解决方案或社区实践。
构建你的产品
本文讨论了构建智能体基础设施的挑战，强调信任和证据比信息检索更为关键，并介绍了Ninelayer专注于为编码智能体提供更好的证据。