技術筆記
我們如何構建經得起實際運作考驗的 AI 系統。
我們的指南是寫給資助及管理項目的人;這些筆記則是寫給負責開發的人:代理架構、評測框架,以及我們在客戶項目中採用的安全細節。我們公開分享,並會隨模型更新而修訂。
0102
擴展託管代理:大腦、雙手與會話
長時間運行 AI 代理的架構藍圖:無狀態的大腦、可丟棄的雙手,以及耐久的會話日誌。內容已按 Claude Managed Agents、Grok Bot 全天候代理,以及以 Opus 5.5、Fable 5.2、Gemini 4 Neon 及 GPT-6.2 組成的多模型團隊更新。
測試框架工程:為前沿 AI 代理建立以評測為本的測試平台
前沿模型差不多每隔幾星期便推出新版本。真正持久的資產是模型外圍的測試框架:測試集、沙盒、評分器及回歸關卡——它會根據你自己的任務告訴你,Opus 5.5、Fable 5.2、Gemini 4 Neon、GPT-6.2 Sol 還是 Grok 4.7 才是合適之選。