首页 资讯 娱乐 新闻 旅游 汽车 电影
你的位置:开云「中国」kaiyun体育网址-登录入口 > 新闻 >
热点资讯
相关资讯
新闻

体育游戏app平台假如你是一家企业的治理者-开云「中国」kaiyun体育网址-登录入口

发布日期:2026-11-14 04:10    点击次数:123

体育游戏app平台

撰文 | 李信马

题图 | AI 生图

了不得的智能体:发现和先容那些正在改变全国的 Agent,这里有现场、有对话,还有没被写进新闻的细节。

《在数十亿个 Agent 运行之前,亚马逊先让 Agent 学会了司库存和招东谈主》一文中,亚马逊云科技(以下简称" AWS ")CEO Matt Garman 曾展望异日会罕有十亿 Agents 在百行万企豪放运行,这么的出路天然让东谈主沸腾,但有些冷水也不得不泼。

客岁 7 月,MIT Project NANDA 发布的一份诠释,基于对 300 多个 AI 表情、52 家组织的访谈和 153 位高管的看望发现:尽管企业对生成式 AI(GenAI)参加了 300-400 亿好意思元,但仅有 5% 的组织到手齐备了边界化部署并获取了显赫财务呈文。这种征象被称为 " GenAI 边界"(The GenAI Divide),绝大多数组织被困在"高收受率、低转动率"的试点阶段。

细分到 Agent 领域,也存在这么的边界,Demo 成果很好,接入真实场景就失效,异日假如出现了几十亿个 Agent,其中若干好用能用,其实也不好说。但问题的根源可能不在于模子不够强,因为 Agent 需要真切具体的业务场景,工程问题可能比模子的才调问题更迫切。AWS 刚刚发布的《企业分娩级智能体斥地部署指南》(下文简称"指南")中提到,传统软件工程依次对 Agent 失效,源于传统软件和 Agent 间的三个骨子各异:

非细则性。传统软件的运行逻辑是细则性的,有一套明确的对错模范。Agent 基于大模子运行,输出具有概纵容——相通输入不一定产生接头输出,昨天测试通过,不料味着今天依然通晓。现在莫得任何主流模子提供商答允扫数细则性的输出。

Prompt 即源代码。在传统软件里,改代码会留痕,有版块禁止,有静态分析器具,但 Prompt 不会。天然语言教唆词哪怕仅仅微调一个词,王人可能激发 Agent 行为的剧烈波动,而现时行业莫得练习的器具来评估这种蜕变的影响范围。

隐式依赖。Agent 对底层大模子存在隐式依赖——模子提供商在后台暗暗升级,代码一滑没动,Agent 的行状质地可能也曾变了。

三个各异重复导致传统软件的评估测试体系对 Agent 全面失效,进而导致企业 Agent 在进入分娩表率上堕入停滞。那对想要靠 Agent 降本增效的企业来说,具体该怎么办?

01.

从SDLC到 ADLC:评估是中枢

亚马逊人人副总裁储瑞松曾提过一个不雅点,企业在构建 AI Agent 时,底层时候平台不错通过采购获取,但评估模范必须由企业自主掌控,企业的中枢竞争壁垒在于其自有的黄金数据集和评估模范。这一说法有些反知识,模子、基础设施、斥地器具王人不错靠买(对绝大多数企业来说自研简直也不施行),为什么评估模范这么迫切?

总结下历史,上世纪 60 年代谋略机科学快速发展,催生了最终演变为 SDLC(软件斥地生命周期)的分娩框架的雏形,SDLC 的中枢是将斥地责任分别为需求分析、规画、编码、测试、部署和留心等多个阶段,而跟着 AI 智能体承担大王人斥地责任,ADLC(Agent Development Lifecycle,Agent 斥地生命周期)依次论随之出现,和 SDLC 最大的区别是:ADLC 是一个飞轮,不是一条活水线。

ADLC 不是走一遍就扫尾,而是束缚旋转、握续迭代,六个表率——定模范、斥地齐备、成果评估、灰度上线、握续监控、校正轮回——会从终末一个回流到第一个表率,更新评估模范和基准数据集,若是说传统软件是"斥地→测试→上线",Agent 等于"定模范→斥地→评估→上线→监控→挖失败→更新模范→再斥地",评估是起初,亦然颠倒。

假如你是一家企业的治理者,想要启动 Agent 表情,找到了相宜的场景,那在启动斥地之前,你需要先界说什么样的 Agent 是"好"的。比如智能体界说(它是什么和要作念什么)、口吻与个性(它怎么谈话)、器具与参数界说(它能用什么、怎么用)、基准数据集(什么叫"作念好了")。

在 Agent 上线后,分娩环境的数据必须能握续回流到评估体系中,这条件你要建立完善的可不雅测性系统(指南里推选使用 OpenTelemetry),莫得可不雅测性,就莫得握续评估,飞轮就转不起来。终末,是让系统架构可被评估,这是最工程化的一部分,亦然评估能否落地的基础设施,指南里推选三层规画:认证层(阐发用户身份)、授权层即 Gateway(禁止 Agent 能作念什么)、会话终止层(不同用户之间互不纷扰)。

Agent 作念出来了,怎么判断它行不行?这是最难答复的问题。从底层大模子到 Agent 的落地,就像一棵大树长出枝桠吐花结束,大模子可能只需要一个或几个,但 Agent 却屈指可数各不接头,而对 Agent 的评估亦然如斯,每一个王人应该有专诚的评估决策,更不成靠"嗅觉差未几"来上线。

02.

评估依次论:两根撑握

构建过 Agent 的一又友对底下的场景可能不生分:测试以为没问题,但开动接入真实流量,却开动"间歇失效",合并类肯求,十次里有一两次出问题,烦东谈主得很。

关于 Agent 来说,才调(capability)与一致性(reliability/consistency)并不是一趟事。"能作念到"不等于"每次王人能作念到",Agent 把多步推理、器具调用、外部景象写入耦合在一齐,任何一环的飞快性王人会被链式放大,只可靠成边界、反复的评估去贴近"每次王人能作念到"。

指南中提议了评估依次论的"两根撑握":撑握一决定评估的粒度有多深,从只看最终反应(黑盒),到看齐备扩充轨迹(玻璃盒),再到看单步细节(白盒);撑握二决定每个分数有多大重量,从机械可考据(Layer 1),到半客不雅(Layer 2),再到默许拒评(Layer 3)。

黑盒评估看最终输出——用户问了一个问题,Agent 给了一个答复,对分歧?玻璃盒评估看齐备轨迹—— Agent 作念了哪些决策、调用了哪些器具、每一步推理是否合理?白盒评估则聚焦单步——某一个器具调用是否正确、某一段推理是否竖立。三种粒度由粗到细分别答复"结束对分歧"、"历程对分歧"、"每一步对分歧",闲居斥地以玻璃盒为主,黑盒和白盒当作补充。

三层把柄权重的第一层是机械考据,看状貌对分歧、JSON 能不成领路等,扫数自动化,零主不雅判断;第二层是半客不雅的 pinned 评判,用固定的评估器和明确的评分模范,对特定维度打分;第三层是主不雅默许评判,莫得固定模范,靠东谈主或 LLM 的判断力。它们也对应三类打分器,分别是代码规章、模子和东谈主工。

两根撑握相互正交,合并个粒度上的方针不错来自不同把柄层级,反之亦然,像一个 3 × 3 的矩阵,用合并组方针既要选粒度、又要选把柄强度。这么一套组合下来,基本就能对 Agent 的输出结束进行全场地的评估了。用 AWS 斥地的客服 Agent 来例如子,客服场景最大的风险是意图识别出错,等于用户说的和 Agent 意会的不是一趟事,AWS 就通过"真实数据 + 造谣客户模拟"的双轨评估依次,用较低资本把测试范围彭胀到了各式边际场景,既测了意图识别的准确度,也测了多轮对话的连贯性。

值得一提的是,由于评估中也会用到模子自动评估,是以评估数据集的质地决定了评估质地的上限,企业也需要建立经过东谈主工标注、经过业务考据的高质地测试集,这个数据集将是企业的中枢钞票。

干系怎么评估 Agent 还有许多细化的维度,何况不同方式的 Agent 关怀不同的维度,比如客服 Agent 垂青意图识别准确率和对话连贯性,器具使用 Agent 垂青器具礼聘正确率和参数准确性,多 Agent 和洽系统垂青任务拆分合感性和扩充通晓性,是以就不具体证明了。

AWS 提供的想路和依次论也仅仅一家之言,怎么作念好 Agent,可能还有其他的旅途和实践案例。但有一件事情是细则的:Agent 是分娩力器具,能不成委派可算计的业务结束,是判断它"好不好"的最终模范。

进入 Agent 期间,想让 Agent 确凿走进分娩,对企业是一场干系时候和生意的新挑战,即使有指南,走不走得通,还得看企业我方的决心和参加。

了不得的智能体,但愿有一款能帮到你:

《两款 Agent,3000 万触点:支付宝开启线下生意的"新模式"》

《"上岸"的 Agent:鹅厂 WorkBuddy 要进入体制内了》

《让 Agent 挖间隙:360 想打造"中国版 Mythos "》

《在数十亿个 Agent 运行之前,亚马逊先让 Agent 学会了司库存和招东谈主》

《腾讯 Marvis:你的电脑里,终于住进了"贾维斯"》

《容联云的"第四代客服":Agent 怎么挑起大梁?》

《出行平台的" Agent 化":哈啰为什么礼聘克制?》

往期推选

豆包手机 2.0 来了?端侧 AI 赛谈正在加快铺路

东谈主形机器东谈主踩上"百万级"门槛:优必选的畏怯一跃

让 Agent 挖间隙:360 想打造"中国版 Mythos "

  END

扫码关怀

「改进宽绰界」是咱们的 slogan体育游戏app平台,咱们不局限于对互联网行业的跟踪与探索,更要向异日、向未知的场地斗胆迈进。因此,「打造行业新标杆、解读生意新动向」是咱们秉握的场地之一。





Powered by 开云「中国」kaiyun体育网址-登录入口 @2013-2022 RSS地图 HTML地图

Copyright Powered by站群系统 © 2013-2024