共 36 条公开笔记
Mitchell Hashimoto曾总结过一个原则:“每当Agent犯一个错误时,你就花时间把一个解决方案工程化,确保它再也犯不了同样的错误。”3轮实验的迭代过程,正是这个原则的具体实践。
最关键的两个工程决策要点是API错误时的紧急压缩——保证长任务不会因为偶发的上下文溢出而中断,以及LoopGuard干预时的消息注入——保证Agent在陷入困境时能收到明确的反馈信号,而不是在沉默中消耗完迭代预算
AGENTS.md文件的迭代过程呈现出“先快后慢、再增删并行”的模式,团队在后期主动删除那些已被模型内化或彼此冲突的规则。定期清理和定期添加同等重要。臃肿规则集对Agent的伤害不亚于空白规则集
以本书及LangChain、AutoGen、OpenAgents为代表。这类方案不信任任何单一组件,而是信任使用者的工程能力。它将约束、工具、权限、模型、压缩策略全部模块化,允许按场景组装。这样做的代价是质量强依赖使用者的经验。
观测回答4个核心问题:花了多少钱(Token消耗按工具、会话、任务维度汇总)、上下文空间怎么分配(系统提示词、用户消息、工具返回结果、历史摘要各占多少)、Agent做了什么(调用的工具的名称、参数、返回值、耗时,以结构化格式记录)、有没有异常(连续失败、预算接近上限、异常的Token消耗模式触发告警)。
将约束层换成Docker沙箱,不影响工具层接口;将记忆层从简单的文件存储(JSONL格式)换成轻量级数据库(SQLite),不影响验证层逻辑;将编排层从单Agent换成多Agent,不影响约束层规则。这种正交性是6层划分能够站得住脚的工程依据
每个阶段之间的转换条件都需要显式定义。常见的做法是,先用只读规划建立基本信任,然后在小范围、可回滚的修改中观察拒绝率和返工情况,最后才逐步放宽权限。当项目发生重大变更(如切换技术栈、修改核心架构)时,信任级别应该回退,让Agent在新的代码环境中重新建立信任
Agent要删除文件或修改配置(后果不可逆)、自动修复连续失败3次(策略本身可能有问题)、对任务的需求理解有歧义、涉及安全或合规的操作(如向外部API发送数据)
AGENTS.md文件应当是“目录”而非“百科全书”。上下文是稀缺资源,过于庞大的指令文件会挤占代码和任务描述空间。更稳妥的做法是保持AGENTS.md文件精简,将其作为地图,指向结构化的docs/目录,让Agent按需加载
如果项目的CLAUDE.md文件中有一条工具层约束规则——migrations/目录不可修改——那么Agent在物理层面就无法执行这个删除操作,无论它的推理如何“合理”
约束看似限制了Agent,实则缩小了搜索空间,反而加速收敛。当模型可以生成任何东西时,它会浪费大量Token在无效的探索路径上;当Harness定义了清晰的边界时,Agent反而能更快地收敛到正确答案