@GergelyOrosz:我认为大多数人没有意识到,中型及以上企业内部的 Agentic AI 系统有多复杂……
摘要
Gergely Orosz 指出了中型及更大企业内部 Agentic AI 系统背后的隐性复杂性:AI 上下文窗口有限,而企业内部上下文却极其庞大。他还预告了 Pragmatic Engineer 即将发布的一篇案例研究,介绍 Uber 内部的 19 个定制 AI 相关系统。
查看缓存全文
缓存时间: 2026/10/14 16:00
我认为大多数人并没有意识到中大型企业内部的智能体 AI 系统有多么复杂和精密:这是迫于必要性——因为需要处理的上下文太多太多了,而 AI 的上下文窗口却是有限的。
今天晚些时候会在 @Pragmatic_Eng 上发布一篇关于 Uber 内部 19 个定制化 AI 相关系统的案例研究。
这些“AI 相关系统“中有很多其实是“前 AI 时代的系统“,后来发现它们在 AI 场景下变得极为有用。比如他们的 PRD+ERD 系统,它恰好记录了公司内部约 5,000 个系统之间的关联关系!
相似文章
大多数关于“智能体 AI”的讨论都感觉太抽象了。这里是我的智能体研究系统的实际样子
作者分享了他为识别和评估公司内 AI 用例而构建的智能体研究系统的实际分解。该系统使用六个智能体进行发现、评估和上下文提取,强调人在决策环中,而非完全自主。
大型科技与企业中的代理AI
一位企业研发经理对大型公司采用AI的现实情况的第一手视角,凸显了高管期望与实际生产力提升之间的差距,以及让团队有效使用AI工具所面临的挑战。
@GergelyOrosz:与AI实验室(OpenAI、Anthropic)的一些人聊了他们对软件工程未来的看法…
Gergely Orosz分享了与OpenAI、Anthropic等AI实验室人员交流的见解,指出越接近生产代码的工程师,越不相信AI能完全解决软件工程问题。
IP备忘录:多智能体("代理型")AI系统在编程、营销和创作中的应用 – 2026年全面分析。(整合可专利性、炒作与现实、人类依赖性及成本超支)
本综合分析评估了编程、营销和创作中的多智能体AI系统,认为尽管供应商大肆宣传其自主性和效率,但这些系统仍高度依赖人类输入,面临可专利性和版权限制,并在微软和Uber等主要科技公司导致成本超支,质疑其可持续价值。
@GergelyOrosz:如今 Uber 内部的开发者工具是什么样的?它们与你在大多数公司看到的非常不同。W…
《Pragmatic Engineer》作者 Gergely Orosz 与 Uber 资深工程师 Uday Kiran Medisetty 带领观众了解 Uber 内部高度定制化的开发者工具体系,涵盖 DevPods、面向 AI agent 的构建流程、MCP gateway、Model Gateway、Agent Skills 仓库以及 PR 分类与衡量方式等。