07｜需求模糊：Agent 不知道“好”长什么样

徐昊

你好，我是徐昊，欢迎继续学习驾驭工程。
上一讲我们讨论了知识固化，也就是把对话中的临时知识，通过有针对性的提示，将知识逐步固化到不同的子系统中。我们看到了在 AI 时代，认知的提升是第一位的，技巧的差距可以通过 AI 大模型填补。
那么接下来的章节，我们将借鉴重构（Refactoring）的经典结构，通过坏味道（Bad Smell）与解决方案的形式，逐步提高我们构建 Harness 的认知。今天我们来看一下“需求模糊”这个坏味道。
Bad Smell：需求模糊当我们围绕 Agent 构建 Harness 时，总会倾向于使用简单的一次性提示（One-shot prompting）。比如，给 Agent 一句话：“我要做一个西班牙语背单词的系统”，然后把所有设计工作都交给了 Agent 去自行处理。
那么 Agent 大概率会给你一个非常简单的结果。可能是在对话中随机抽问单词。没有学习计划、没有记忆曲线、也没有进度追踪。这不是 Agent 的能力不够，而是需求太模糊，它只能猜，然后猜错了而已。
出现这个问题，大模型厂商要承担主要责任。每当有大模型发布时，他们总会强调这一次升级，大模型在 one-shot prompting 上有了多少提高。最近的一个例子，就是 Anthropic 新发布的 Claude Fable 5。现在我们可以搜索到很多例子，都在强调它有多么出色的 one-shot prompting 能力。

公开

同步至部落

取消

完成

0/2000

荧光笔

直线

曲线

笔记

复制

AI

深入了解
翻译
英语
中文简体
法语
德语
日语
韩语
俄语
西班牙语
解释
总结

仅可试看部分内容，如需阅读全部内容，请付费购买文章所属专栏
《Agent 驾驭工程之美》

立即购买

登录后留言

精选留言

由作者筛选后的优质留言将会公开显示，欢迎踊跃留言。

收起评论