@Saboo_Shubham_: 静态代理在2026年将无法生存。你真正需要的是自学习代理,而最好的代理每次被使用时都会变得更好…
摘要
讨论AI代理如何在三个层面(模型、框架、上下文)学习,以及为什么将用户修正作为标记示例捕获是构建随时间改进的自学习代理的关键。
查看缓存全文
缓存时间: 2026/07/09 07:59
静态代理撑不过2026年。
你真正需要的是自学习代理——而且最优秀的那些,每次有人使用就会变得更强。
我们来理解一下。
你的AI代理实际上在3个地方学习:
-
模型(权重):由AI实验室拥有,是最难改进的层面。
-
封装(循环、工具、提示):难度中等。你可以改进它,但需要下真功夫。
-
上下文(记忆 + 技能):可读可改的纯文本,是最容易入手的起点。
你在Claude Code和Codex中已经在使用这三者了。
但几乎所有人都忽略了一点:
你的代理应该向用户学习,而不仅仅是从它自己的运行中学习。
每当有人修正了代理的调用,那就是一个没有基准测试能给你的标注实例。比一百次合成测试更有价值。
捕捉它。回馈它。这就是形成正反馈循环的关键。
没错
有品位的记忆才是决胜关键
@Saboo_Shubham_ 一直在说这个!静态代理根本跟不上节奏。很快,一切都会围绕自学习型代理展开。
相似文章
@svpino: 如何构建一个随时间不断改进的智能体:智能体可以从三个方面学习:1. 模型:仅适用于……
Santiago Valdarrama 分享了一个构建 AI 智能体的框架,该框架通过三个学习领域(模型优化、工具链优化和上下文积累)来让智能体随时间不断改进,并强调了从用户修正中学习的重要性。
@qinzytech: https://x.com/qinzytech/status/2066585405479371092
对构建自我进化AI代理的两种方法的技术分析:基于模型的方法(通过像SSMs或具有快速权重更新的transformer等架构,以及训练方法)和基于工具的方法(通过内存或能够自我重写的元工具)。作者为不同受众提供了实用建议。
@svpino: 如何利用自学习智能体构建护城河:如果你能构建一个每次使用都能自我改进的智能体……
一条推特长线,提供关于构建随使用而改进的自学习智能体的战略建议,涵盖双学习来源、记忆类型和数据所有权。
@DeRonin_: 如何自然地构建你自己的自我改进智能体:一个自我改进的智能体从自己的错误中学习并重写……
一份实用指南,解释了构建自我改进AI智能体的三个层级,从手动循环到自动化设计,并推荐了工具和框架。
@SuJinyan6: https://x.com/SuJinyan6/status/2073955240349770069
这篇由SuJinyan6撰写的博文探讨了AI Agent从简单的LLM加工具使用,向上下文工程和长时间运行框架的演变。文中引用了Anthropic的最新研究,讨论了Agent能力如何成为一种系统级属性,涉及多个组件。