企业官网建设流程全解析

1个空间做两个网站,国内著名网站建设公司,WordPress资讯网站,韩国明星都在那个网站做直播过去几十年#xff0c;软件工程有一个稳定不变的前提#xff1a;系统的行为写在代码里。工程师读代码#xff0c;就能推断系统在大多数场景下会怎么运行#xff1b;测试、调试、上线#xff0c;也都围绕“确定性”展开。但 Agent 的出现正在动摇这个前提#xff1a;在 Ag…过去几十年软件工程有一个稳定不变的前提系统的行为写在代码里。工程师读代码就能推断系统在大多数场景下会怎么运行测试、调试、上线也都围绕“确定性”展开。但 Agent 的出现正在动摇这个前提在 Agent 应用里决定行为的不再只是代码还有模型本身——一个在代码之外运行、带着非确定性的黑箱。你无法只靠读代码理解它只能让它跑起来、看它在真实输入下做了什么才知道系统“到底在干什么”。在播客中LangChain 创始人 Harrison Chase 还把最近一波“能连续跑起来”的编程 Agent、Deep Research 等现象视为拐点并判断这类“长任务 Agent”的落地会在 2025 年末到 2026 年进一步加速。这也把问题推到了台前2026 被很多人视为“长任务 Agent 元年”现有的软件公司还能不能熬过去就像当年从 on-prem 走向云并不是所有软件公司都成功转型一样工程范式一旦变化就会重新筛选参与者。长任务 Agent 更像“数字员工”——它不是多回合聊天那么简单而是能在更长时间里持续执行、反复试错、不断自我修正。在这期与红杉资本的对话中Harrison 抛出了一个判断构建 Agent已经不只是把软件开发“加一层 AI”而是工程范式本身在变。为什么他说“光读代码不够了”为什么 tracing、评估、记忆这些原本偏“辅助”的东西突然变成主角他在对话里给出了非常具体的解释。而更现实的问题是如果范式真的在变那些靠数据、流程、产品形态建立壁垒的传统软件公司优势还能不能延续它们手里握着的数据与 API 可能依然是王牌但能否把这些资产变成 Agent 时代的生产力取决于一套全新的工程打法。Harrison 的观察与判断都在下面的完整对话里主持人AI 领域的变化速度快得惊人。当前最受关注的话题我觉得没有人比你更合适来聊。我们会先谈长任务 AgentLong Horizon Agents 和 Agent Harness智能体运行框架。接着我们会讨论构建长任务 Agent 与构建传统软件到底有什么不同以及你如何看待 LangChain 在整个生态系统中的角色。最后我想和你聊聊未来。你怎么看红杉资本这篇关于 Long Horizon Agents 的文章哪些观点你认同哪些地方你不太同意来源https://sequoiacap.com/article/2026-this-is-agi/“在去年的一篇文章中我们曾提出推理模型reasoning models是 AI 领域最重要的新前沿。而“长任务 Agent”long-horizon agents则在这一范式之上更进一步——它们不只是思考还能够采取行动并在时间维度上不断迭代。”Harrison Chase你们这个概念命名得非常好那篇文章也写得很棒。我整体上是认同的——长任务 Agent 终于开始真正“跑起来”了。一开始对 Agent 的设想本来就是让一个 LLM 运行在一个循环里自主决定接下来该做什么。AutoGPT 本质上就是这个想法这也是它当初能迅速走红、抓住那么多人想象力的原因一个 LLM 在循环中运行完全自主地决定行动。但当时的问题在于模型还不够好围绕模型的 scaffolding支架和 harness框架也不够成熟。这几年模型本身变得更强了与此同时我们也逐渐搞清楚了什么样的 harness 才是“好”的。于是现在这套东西开始真正奏效了。最明显的例子是在编程领域Agent 的突破首先发生在那里。之后这种能力正在向其他领域扩散。当然你仍然需要告诉 Agent 你想让它做什么它也需要配备合适的工具。但现在它确实可以持续运行更长的时间而且表现越来越稳定。所以用“长时序”来描述这一类 Agent我觉得非常贴切。主持人你最喜欢的长任务 Agent 案例有哪些你觉得它们正在呈现出哪些形态Harrison Chase目前最成熟、我自己用得最多的还是编程 Agent。再往外延一点我觉得非常优秀的一类是 AI SRE。比如 Traversal我记得它是一家红杉投资的公司他们的 AI SRE 可以在更长的时间跨度内运行。再往抽象一点其实这类 AI SRE 本质上属于“研究型 Agent”。比如给它一个事故它会去翻日志、分析上下文、追溯原因。研究任务本身非常适合 Agent因为它们最终产出的往往是一个“初稿”。Agent 的问题在于它们还达不到 99% 的可靠性但它们可以在较长时间内完成大量工作。所以只要你能把任务框定为让 Agent 长时间运行产出一个初步版本由人来审阅这在我看来就是目前长任务 Agent 最“杀手级”的应用形态。编程就是一个例子你通常是提交 PR而不是直接推到生产环境当然vibe coding 现在也在不断进步。AI SRE 也是一样结果会交给人来 review。报告生成也是如此你不会直接发给所有用户而是先看一遍、改一改。我们在金融领域也看到了大量这样的用法这是一个非常大的研究机会。客服领域同样如此。最早的客服 Agent 主要是做“第一响应”用户一发消息马上给出回复这类用法现在也做得很好。但现在开始出现新的形态比如 Klarna 这个产品人类和 AI 协同工作。当第一层自动回复失败后不是简单地转交给人工而是让一个长任务 Agent 在后台运行生成一份完整的事件报告然后再交给人工客服处理。这里“agent”这个词在客服语境下会变得有点混乱但核心逻辑是一致的。总结来说这些应用的共同点是先由 Agent 生成一个“初稿”再由人类接管。主持人那么“为什么是现在”你觉得主要是因为模型本身变得足够强还是因为人们在 harness 侧做了非常聪明的工程设计在回答这个问题之前能不能先帮听众梳理一下在一个 Agent 系统中模型、框架和 harness 各自扮演什么角色Harrison Chase当然可以。我也顺便把“框架”这个概念一起带进来。一开始我们把 LangChain 描述为一个Agent Framework现在我们又推出了Deep Agents我更愿意称它为一个Agent Harness。很多人都会问这两者有什么区别。模型很简单就是 LLM输入 token、输出 token。框架Framework是围绕模型的一层抽象让你更容易切换模型封装工具、向量数据库、记忆等组件本身比较“无偏好”强调灵活性更像是基础设施。Harness则更“有主张”。以 Deep Agents 为例我们默认就提供一个规划工具Planning Tool这个工具是直接内建在 harness 里的带有明确的设计立场我们认为这是“正确”的做法。我们还做了上下文压缩Compaction。长任务 Agent 会运行很久哪怕上下文窗口已经很大也终究是有限的总会有需要压缩的时候。怎么压缩压缩什么这是一个正在被大量研究的问题。此外几乎所有 Agent Harness 都会提供文件系统交互能力不管是直接操作还是通过 bash。这一点其实很难和模型本身完全分开因为模型训练数据里已经大量包含了这类操作。如果回到两年前我不确定我们是否能预见到基于文件系统的 harness 会成为最优解之一。那时模型还没被充分训练过这些模式而现在模型和 harness 是在一起“共同进化”的。所以总结来说这是一个组合效应模型本身确实在变强推理模型带来了巨大提升。同时我们也逐渐摸索出了 compaction、planning、文件系统工具等一整套关键原语。这两者缺一不可。设计范式的演进主持人我记得在我们第一次对谈时你把 LangGraph 描述为 Agent 的“认知架构”。现在来看这是不是也可以理解为 harness 的一种形态Harrison Chase是的这个理解是对的。我们现在的 Deep Agents 是构建在 LangGraph 之上的。可以把它看作是一个非常具体、非常有主张的 LangGraph 实例更偏向通用目的。早期我们讨论过“通用架构”和“专用架构”的区别。现在我们观察到一个很有意思的变化过去需要写进架构里的任务特异性正在转移到工具和指令里。复杂性并没有消失只是从结构化代码转移到了自然语言中。因此prompt 的设计、修改甚至自动更新正在成为系统的一部分而 harness 本身反而变得更加稳定。主持人在你看来harness 工程中最难做对的是什么你觉得单个公司是否真的有可能在这一层形成显著优势有没有你特别佩服的团队Harrison Chase说实话目前在 harness 工程上做得最好的基本都是编程类公司。Claude Code 就是一个非常典型的例子。我认为它能如此受欢迎很大程度上是因为它的 harness。主持人这是否意味着harness 更适合由模型公司来做而不是第三方创业公司Harrison Chase我不确定。比如 Factory、AMP 这些编程公司也都做出了非常强的 harness。确实存在一个现实harness 往往和模型家族绑定得比较紧密。不一定是某一个具体模型而是一整个模型体系。Anthropic 的模型会针对某些工具进行微调OpenAI 则针对另外一些。这和 prompt 类似不同模型需要不同的 prompt同样不同模型家族也需要稍微不同的 harness。当然它们也有很多共性比如几乎都会使用文件系统。我自己也没有一个确定答案。但一个很明显的现象是几乎所有做编程 Agent 的公司现在都在自研自己的 harness。你去看 Terminal Bench 2 这样的榜单会发现他们不仅展示模型还展示 harness。Claude Code 并不总是在榜首。这说明性能差异并不完全来自模型而来自对“模型如何在 harness 中工作”的理解。主持人你觉得排行榜上表现最好的 harness究竟在哪些地方做得特别好Harrison Chase首先是对模型训练偏好的理解。比如 OpenAI 的模型对 Bash 非常熟悉Anthropic 提供了显式的文件编辑工具。顺着模型的“母语”来设计 harness本身就能带来性能收益。其次是上下文压缩Compaction。随着任务时间跨度变长如何处理上下文窗口溢出已经成为一个核心问题。这显然也是 harness 的一部分。此外还有skills、子 Agent、MCP等机制。目前这些能力还没有被系统性地训练进模型中仍然属于比较新的探索方向。在我们的 harness 中一个典型挑战是主 Agent 如何与子 Agent 高效通信。主模型需要把所有必要信息传递给子 Agent同时还要明确告诉它最终只需要返回一个“最终结果”。我们见过一些失败案例子 Agent 做了大量工作最后却返回一句“请查看我上面的分析”而主 Agent 根本看不到那些内容于是完全不知道它在说什么。所以如何通过 prompt 设计让这些组件协同工作是 harness 工程中非常重要的一部分。如果你去看一些公开的 harness prompt它们往往有几百行之长。主持人我想从演进角度问一个问题。你一直站在模型“如何落地”的最前沿。如果用一种简化视角来看过去五年的几个关键拐点ChatGPT 带来了预训练的拐点o1 带来了推理能力的拐点 最近Claude Code Opus 4.5 带来了长任务 Agent 的拐点。但从你这个“围绕模型做设计”的世界来看拐点会不会是另一套划分从认知架构到框架、再到 harness这中间经历了哪些真正的跃迁Harrison Chase我大概会把它分成三个阶段。第一阶段最早期。那时 LangChain 刚刚出现模型还是“纯文本输入、纯文本输出”甚至还不是 chat 模型。没有工具调用没有 reasoning没有结构化输出。人们主要做的是单一 prompt 或简单 chain。第二阶段工具与规划开始进入模型。模型开始支持 tool calling也尝试学会“思考”和“规划”。虽然还不够强但已经能做出基本决策。这时人们大量使用自定义的认知架构通过显式提问来引导模型行动但整体仍然依赖大量外部 scaffolding。第三阶段长任务 Agent 的真正起飞。大概是在今年 67 月我们看到 Claude Code、Deep Research、Manus 等产品同时爆发。它们在底层使用的是同一个核心算法让 LLM 在循环中运行。真正的突破来自于上下文工程压缩、子 Agent、技能、记忆——所有这些都是围绕上下文展开的。这正是我们开始做 Deep Agents 的时间点。对于很多程序员来说Opus 4.5 可能是一个心理上的分水岭。也可能只是碰巧遇上假期大家回家开始大量使用 Claude Code突然意识到它真的很好用。无论是 2025 年初还是 2025 年末总之在某个时间点模型“刚好强到足以支撑这种形态”于是我们从 scaffolding 迈向了 harness。Coding Agent 是通用 AI 的终局形态吗主持人接下来会发生什么Harrison Chase我也希望我知道答案。这个“让 LLM 在循环中运行、让它自己决定要拉什么上下文进来”的算法本身极其简单、也极其通用。这正是 Agent 从一开始的核心设想而我们现在终于走到了“它真的能工作”的阶段。接下来可能会有大量围绕上下文工程的技巧出现有些手动设计的部分可能会消失比如压缩类的现在仍然高度依赖 harness 作者的决策。Anthropic 已经在尝试让模型自己决定何时压缩上下文虽然目前用得还不多。另一个我们非常关注的方向是记忆Memory。从本质上说记忆也是一种上下文工程只不过是跨更长时间尺度的上下文。核心算法本身已经非常清晰运行 LLM 循环。未来的进步很可能来自更聪明的上下文工程方式或者让模型自己参与上下文管理。模型当然也会继续变强越来越擅长长时序任务。我目前思考最多的一个问题是我们看到的大多数 harness 都是高度偏向编程任务的。这是长任务 Agent 最先爆发的领域。但即便是在非编程任务中你也可以认为写代码本身是一种非常强的、通用的工具。主持人我本来想问你编程智能体coding agents到底算不算一个子类别还是说编程智能体就是智能体本身换句话说智能体的工作本质上是想办法让计算机去做一些有用的事情而“写代码”本来就是让计算机做有用事情的一种很好的方式。Harrison Chase我也不确定。但有一点我非常非常坚信现阶段只要你在做长时序智能体你就必须给它文件系统的访问能力。因为文件系统在“上下文管理”方面能做的事情太多了。比如我们说 compaction上下文压缩一种策略是把内容总结掉但把完整的消息都放进文件系统里这样如果智能体后续需要回查它还能查到。另一种策略是当你遇到很大的工具调用结果时不要把全部内容都塞回模型上下文里你可以把结果放进文件系统然后让智能体需要的时候再去查。而这些操作其实不一定需要真实的文件系统也不一定要让它真的去写代码。我们有一个概念叫“虚拟文件系统”它底层可能只是 Postgres 之类的存储扩展性更强。当然“真实代码”能做的事情虚拟文件系统做不了。比如你没法在虚拟文件系统里直接运行代码。所以写脚本在很多场景下确实非常有用。我也认为编程智能体有潜力成为通用智能体但我不确定这是否意味着“今天的编程智能体”就是通用智能体——如果你能理解我这句话。因为我觉得现在很多编程智能体还是为编程任务做了大量优化的。所以“一个通用智能体可能长得像编程智能体”但反过来“今天的编程智能体就是通用智能体”这件事我并不确定。传统软件面临的挑战主持人那我们能不能转到另一个话题构建长时序智能体和构建传统软件之间的差异你能不能先描述一下“1.0 时代”的软件开发栈是什么样的然后说说现在到底哪里不一样我记得你在 X 上写过一篇很不错的文章也许你可以总结一下核心结论。来源https://x.com/hwchase17/status/2010044779225329688Harrison Chase我这段时间一直在反复想这个问题我们经常说“做智能体和做软件是不同的”而且很多人也同意。但问题是到底哪里不同我觉得很容易、也很偷懒地说“不同”但“具体不同在哪里”才是关键。下面这些可能听起来很显然但也许显然是好事希望它们不太有争议。当你在做传统软件时所有逻辑都写在代码里你能直接在软件代码中看到它。但当你在做智能体时你的应用如何工作的“逻辑”并不全部在代码里其中很大一部分来自模型本身。这意味着你不能只看代码就判断智能体在某个具体场景下会做什么。你必须真的把它跑起来。而我认为这就是最大的不同我们引入了这种非确定性系统它是一个黑箱它在代码之外。我觉得这就是核心差异。一个直接后果是为了弄清楚应用到底在做什么你不能看代码你必须看它在真实运行中做了什么。这也是为什么我们做的产品里最受欢迎的之一是LangSmith。LangSmith 的一个核心能力是tracing追踪 / 执行轨迹。为什么 trace 这么受欢迎因为它能把智能体每一步内部发生的事情都清清楚楚地展示出来。而这跟传统软件里的 trace 又不一样。传统软件里你的系统在那边跑它会吐出很多日志和事件你通常是在出现错误时才去看而且你不需要“每一步的全部细节”。而且本地开发时你可能直接打个断点就够了很多时候日志追踪是上线到生产环境后才会更重度开启。但在智能体里人们从一开始就会用 trace 来理解“底层到底在发生什么”。而且它在智能体里的影响力远大于在单一 LLM 应用里的影响力。因为在单一 LLM 应用里如果模型回答得不好你知道你的 prompt 是什么也知道输入上下文是什么由代码决定然后你得到一个输出。但在智能体里它在循环中运行、不断重复。你并不知道第 14 步时上下文里到底有什么因为前面 13 步可能会把任意东西拉进上下文。所以“上下文工程Context Engineering”真的是一个非常好的词。我真希望这是我发明的。它几乎完美描述了我们在 LangChain 做的一切——只是当时我们并不知道这个术语已经存在。trace 的价值就在于它能直接告诉你此时此刻上下文里到底有什么这太重要了。那这又意味着什么这意味着对传统软件来说“真相的来源source of truth”在代码里。但对智能体来说真相来源变成了代码与 trace 的组合——而 trace 是你能看到真相的一部分地方。从技术上说真相当然也“存在于模型的数百万参数里”但你基本没法直接对参数做什么。所以现实上trace 就成了你可以抓住的“事实载体”。因此trace 也会成为你开始思考测试的地方。你仍然可以对 harness 的某些部分做单元测试也可以离线做一些 unit test但要获得真正的测试用例你很可能需要用 trace 来构建。而且在智能体里在线测试online testing可能比传统软件更重要因为行为不会在离线环境里完整显现出来只有在真实世界输入驱动下、系统被真正使用时行为才会“涌现”。我们也看到 trace 正在成为团队协作的中心如果出了问题不再是“去 GitHub 看代码”而是“去看那条 trace”。我们在开源项目里也一样。有人说“Deep Agents 这里跑偏了发生了什么”我们的第一反应是“把 LangSmith trace 发给我们。”如果没有 trace我们基本没法帮你 debug。过去大家会说“把代码给我看看”但现在已经转变了。这就是我写在 X 上那篇文章的核心内容反馈很好。我也还在琢磨怎么把它表达得更精确但我觉得这一点很关键。另外一个点我也还在继续想我觉得构建智能体是一个更偏迭代式的过程。我们过去也会这么说但我以前会有点翻白眼因为软件开发本来也是迭代式的你发布、收反馈、不断迭代这就是软件开发的常态。但我觉得差别在于在传统软件里你的迭代是围绕“你希望软件做什么”来进行的。你有一个想法你发布你收反馈。比如“这个按钮让人困惑”或者“用户其实想做 X 而不是 Y”。但你在发布之前其实你是知道软件会怎么运行的。但在智能体里你在发布之前并不知道它到底会怎么做。你当然有一个预期但你并不能在发布前真正确定它会做什么。因此为了让它更准确、让它更“对”、让它能通过某种“概念上的单元测试”你需要更多轮次的迭代。在这个基础上我也认为记忆memory非常重要。因为记忆就是在从这些交互中学习。如果你的开发过程变得更迭代、更难那么作为开发者我为了让系统表现正确可能需要反复改系统 prompt——这种频率甚至可能比我改代码还高。这就是记忆进入的地方如果系统能够以某种方式自己学习那就能减少开发者必须进行的迭代次数让构建这类智能体变得更容易。所以这是我认为“构建智能体确实不同于构建软件”的另一个角度。我也承认这么说有点老套所以我一直在逼自己想清楚“到底不同在哪里”目前我总结出来的就是这两点。主持人我也很想追问这一点。现在公开市场上有一个很大的争论现有的软件公司还能不能熬过去如果类比当年从本地部署软件on-prem转向云cloud实际上真正成功转型的公司并不多因为事实证明“做云软件”和“做本地软件”确实差异很大。你现在处在“人们如何用 AI 构建产品”的核心地带。你怎么看这件事我不是要问公开市场的投资问题而是想问这个变化到底有多大你有没有看到很多人过去很擅长“旧方法做软件”现在也能很擅长“新方法做软件”还是说更像是你要么在“新方法”里长大要么就很难真正理解它你觉得人能跨越这个鸿沟吗Harrison Chase我注意到现在有很多年轻创始人这让我觉得也许年轻人因为没有太多对“旧软件开发方式”的先入之见反而可以更快把这些东西学起来、用起来。而且我们确实一再听到一个现象很多在做 agent engineering 的团队成员反而是更初级的开发者、更初级的构建者——他们确实没有那些先入之见。我们内部的应用 AI 团队确实整体更偏年轻一些。我觉得这里面既有“人的因素”也有“公司的因素”。先说公司层面数据依然非常非常非常有价值。如果你从 harness 的角度去看——顺便说一句我其实不认为长期来看大多数人都会自己去写 harness因为它比做 framework 难太多了。所以我觉得大家最终会用我们提供的 harness或者用别人的。那一个 harness 里面有什么主要就是prompt、指令以及它连接的工具。而现有公司在这方面最大的资产之一是他们已经拥有数据和 API。如果你过去在这块做得不错那么把这些东西接入到 agent 上其实会非常容易产生真实价值。我们前阵子和金融行业的人聊他们就说数据的价值只会越来越高、越来越高、越来越高。所以如果你是一个传统软件厂商你手上有这些高价值数据你应该能够把它暴露给智能体让智能体去用从中拿到很大的收益。不过这里还有另一部分关于“如何使用这些数据”的指令instructions这一块可能更偏“新增”。你作为软件厂商也许一直对“怎么用这些数据”有一些想法但你并没有把这些想法系统化、固化成可执行的“操作说明”因为过去这件事更多是由人来完成的——很多智能体现在在做的事情本来就是人类会做的事情。你当然会给人配工具但你以前不会、或者也很难成功地把它完全自动化。而到了“智能体”这一代这部分才真正变得可行。所以我觉得这块是新的。我们也看到大量需求来自“垂直领域创业公司”。Rogo 就是一个很好的例子他们团队有人有金融行业经验把这种行业知识带进了智能体系统里而这之所以有效是因为很多智能体的驱动力来自“知识”——但不是那种通用世界知识而是如何执行特定流程、特定模式的知识。所以问题就变成做传统软件的人是不是做智能体的合适人选我觉得我们确实看到很多非常资深的开发者在采用 agentic coding所以某种程度上这更像是“心态问题”。但确实也可能会呈现出一种“年轻化倾向”。而公司层面则很大程度取决于它手上的数据资产。主持人所以看起来你认为 trace 是这个新世界里 agent 开发的核心“产物”LangSmith 在这方面帮助很大。那你觉得还有哪些核心的“产物”——或者说可能“产物”这个词不对应该说组件componentsHarrison Chase对组件。我觉得构建软件与构建智能体之间另一个差异是评估软件时你可以相当可靠地依赖程序化测试和断言。但智能体做的很多事情本质上是“人类会做的事情”。因此要评估它你必须把人的判断引入进来。这也是我们在 LangSmith 里努力解决的问题之一你已经有了这些 traces那么你怎么把人类判断带到 traces 上最直接的方法当然就是把人引进来。所以我们也看到数据标注类创业公司做得很好。我们在 LangSmith 里有一个概念叫 annotation queues标注队列就是把人带进来参与。因此实际的、真实的人类判断是其中非常重要的一部分。主持人这里的“人工标注”的 trace比如智能体做了这些步骤这是好还是不好。Harrison Chase有时候人会给自然语言反馈这很好、这很差、这里应该怎么做。有时候人会直接“纠正它”把正确步骤完整地写出来。这具体怎么做取决于用例而且对做 RL 的模型公司和对做 agent 应用的公司来说也可能不一样。但核心就是把人类判断带进来。同时我们也看到另一条路尝试为这种人类判断建立一些“代理指标”proxy。这就是 LLM-as-a-Judge 这类方法的来源你可以跑一个 LLM 或其他模型让它承担某种“类似人类判断”的角色去给那些本来需要人类判断的东西打分。我们一直在思考的一件事是怎么让“构建 judge”这件事变得容易。因为 judge 的关键很大一部分在于它必须和你的人的判断、人类偏好保持一致。如果做不到那你的 grader评分器就很糟糕。所以我们在 LangSmith 里做了一个概念叫align evals人类先去标注一些 traces然后基于这些标注构建一个 LLM judge使它在这些样本上被校准calibrated。因为关键就在于你要把人类判断引入进来如果你要用 proxy 来替代它那就必须确保这个 proxy 校准得足够好。主持人有意思。我记得我们最开始和你做业务合作的时候还在邮件里讨论过LLM-as-a-Judge 到底是否可行。看起来它已经进步很多了。Harrison Chase是的。LM-as-a-Judge 其实有几个不同层面的用法。最常见的一种是用于 eval拿一条 trace直接给它一个分数比如 1 到 0或者 0 到 10。这个我认为是可行的而且很多人确实在做。他们会离线做也会在线做因为有些判断并不需要 ground truth标准答案。但我觉得另外一个更重要的场景是你在 coding agents 里也能看到的coding agent 往往会先工作到某一步然后遇到错误触发纠错。它实际上是在“评判自己刚才做的工作”。我们也在 memory 上看到同样的模式记忆很大一部分就是反思 traces然后更新某些东西。所以问题是LLM 能不能去反思 traces——无论是它自己的 trace、以前 session 的 trace还是别人的 trace我觉得完全可以。我们在 eval、纠错、记忆里到处都能看到这种模式本质上其实是一回事。Eval 是 RL 的奖励信号还是工程反馈机制主持人我明白了。那接下来就很自然会问你有了所有 traces也有了 eval。那么这些 eval 到底是什么它是强化学习的 reward signal还是一种反馈机制让工程师去改进 harness、让 agent 工程师去优化 harnessHarrison Chase因为现在大家都不再手动写太多代码了大家都在用这些 agent 工具。我们观察到一个很重要的模式我们有一个 LangSmith MCP也有 LangSmith fetch一个 CLI。因为 coding agents 特别擅长用 CLI。你把这些给智能体它就能把 traces 拉下来诊断哪里出了问题然后把这些 traces 带进代码库里从而修复它。这是我们正在看到的真实模式而且我们非常非常非常想支持这种模式。所以在这一点上相比“用 eval 做强化学习奖励信号”我对“把 eval 当作工程反馈、用于改 harness”的路径更乐观——至少对今天做 agent 应用的公司来说是这样。主持人这听起来像是递归自我改进啊。Harrison Chase我觉得是但还是有一个人类在环。回到前面那个点当它产出“初稿”时效果最好——它改 prompt然后人类 review这能让系统保持不跑偏。但我们确实……我们最近发布了 LangSmith Agent Builder这是一个 no-code 的 agent 构建方式。其中一个很酷的功能就是 memory。现在 memory 的工作方式是这样的当你和 agent 交互时注意它还不是后台自动跑的那种它不会自己拉 traces如果你对它说“你不该做 X你应该做 Y”它就会去改自己的指令——这些指令本质上就是文件——然后直接编辑这些文件。这样未来它就会按新的方式表现。这也是一种“自我改进”的形式。我们确实还想加入另一种机制比如每天晚上跑一次任务查看当天所有 traces更新自己的指令。主持人就是那种“做梦”的机制。Harrison Chase对“睡眠时间算力sleep-time compute”。记忆与自我改进会成为护城河吗主持人我们再多聊聊未来。你现在最兴奋的是什么听起来你聊了很多 memory。Harrison Chase我很看好 memory。我觉得让智能体去改善自己这非常酷而且在很多场景下也很有用。但也不是所有场景都用得上。比如 ChatGPT 加了 memory 功能我其实用得不多我也不觉得它显著增加了我对产品的粘性。我觉得原因之一是我去 ChatGPT 时大多数问题都是一次性的。我不太会反复做同一件事我可能问软件也可能问吃的、旅行……都很零散。但在 agent builder 里你通常是为特定任务构建特定工作流。比如我有一个 email agent。而且我其实……它已经给我发邮件两年了。我之前在 agent builder 之外就有一个 email agent它带有 memory。后来我们做了 agent builder我想把它迁移进去但它没有我之前的那些 memories。即便它的起始 prompt 一样、工具也一样但因为缺了记忆它现在的体验就明显差很多。我到现在都还没完全切过去因为它现在确实不如之前那个好用——说白了它现在“有点烂”。当然如果我持续和它交互它会变好它会不那么烂。但这也恰恰说明memory 可能会成为真正的护城河moat。而且我绝对相信我们已经到了一个阶段LLM 可以看 traces然后改变自己代码里的某些东西。问题在于怎么把这件事做得安全、并且在用户层面可接受。但我认为在一些特定场景里不是所有场景我们会越来越多看到这种能力。至于 ChatGPT 这种通用聊天产品我仍然不确定这种形态的 memory 是否有用至少目前我不确定。主持人你觉得和长时序智能体一起工作的 UI 会如何演化Harrison Chase我觉得大概率需要同步模式sync和异步模式async。长时序智能体运行时间可能很长默认应该是异步管理如果它要跑一天你不会一直坐在那里等它结束。你很可能会启动一个、再启动一个、同时跑很多个。所以这里会涉及到异步管理我觉得像 Linear、Jira、看板甚至 email都可以作为 UI 设计的参考——如何去管理一堆异步运行的 agent。但与此同时很多时候你又会想切换到同步交流。因为 agent 最后给你返回一份研究报告你可能需要立刻指出它这里写错了你要给反馈。聊天界面在这方面其实已经挺不错的。我唯一想补充的是现在很多 agent 不仅是在“对话”它还会去修改文件系统里的文件。所以你必须有一种方式去查看“状态”state——也就是它改了什么。这在编程领域尤其明显IDE 依然被使用是因为当你想手动改代码时你需要看见那个“当前状态”。即便我启动 Claude Code它跑完后我有时也会打开来看它到底写了什么代码。所以“能看到状态”这件事很重要。Anthropic 在 Claude “co-work”这里指那类协作式工作流里做了一个很酷的设计你设置它时要选择一个目录等于你在告诉它“这就是你的环境。”这在编程里当然也是常态你打开 IDE 到某个目录。但我觉得把它明确成一个心智模型很有帮助这就是你的 workspace工作区。这个 workspace 也不一定非得是本地目录它可以是 Google Drive、Notion 页面或者任何能存储状态的地方。你和 agent 就是在这个状态上协作你启动它让多个任务异步跑然后切到同步模式在 chat 里和它讨论但同时你还能看到它正在协作的“状态”。这就是我目前看到的形态。主持人所以这也就是你说的“agent inbox”的想法为了进入 sync 模式agent 需要能联系到你。Harrison Chase对没错。我们大概一年前发布过 agent inbox理念是“ambient agents”它们在后台跑必要时来 ping 你。但第一版其实没有 sync 模式它 ping 你你回一句然后你就等它下一次再 ping 你。但很多时候我切到邮件去回复它时我其实只回很短的话而且我不想再切出去然后干等——我对方很重要所以我更想直接进入一种“同步对话”的模式跟 agent 把这个问题当场聊完。所以我们后来做了一个关键改动当你打开 inbox 时会直接进入 chat而 chat 是非常同步的。这是一个很大的 unlock突破点。我现在认为只有 async 模式目前还不太够。也许未来如果 agent 强到你几乎不用纠正它那么纯异步会更可行。但至少现在我们看到人们在 async 和 sync 之间来回切换。主持人你怎么看 code sandboxes代码沙箱是不是每个 agent 最终都会配一个 sandbox也包括“能用电脑”、能上网用浏览器这种能力Harrison Chase这是个特别好的问题我们也一直在想。就目前的经验来看“写代码 / 跑代码”这条路明显比“直接操作浏览器”更成熟、更好用。所以短期内如果要在这些能力里挑一个最可能成为标配的我更看好的是代码执行code execution——也就是给 agent 一个能安全运行脚本、验证结果的环境。另外文件系统file system我几乎是“坚定派”不管是本地目录、还是背后用数据库实现的“虚拟文件系统”agent 总得有个地方能存状态、存中间结果、随时回查这对上下文管理太关键了。比如做 compaction上下文压缩时把完整内容丢到文件里需要再查就去读工具调用返回特别长时不塞进上下文改成写文件、让 agent 自己按需读取。至于“coding”让 agent 真正去写代码我没那么绝对但我大概 90% 站在“需要”这一边。因为很多长尾任务里写脚本依然是最通用、最强的手段——你很难找到同等级的替代品。当然也可能出现另一类场景如果你做的是高度重复、流程固定的事情未必每次都要写很多代码但即使这样文件系统仍然重要因为重复流程会不断产生上下文和状态你还是要做上下文工程。再说浏览器使用browser use从我们目前看到的效果来说模型还不够稳定。也许可以让 coding agent 通过 CLI 的方式“间接”完成一些浏览器相关任务算是一种近似解我确实见过一些挺酷的实现。而所谓 computer use直接操作电脑界面则更像是介于两者之间的混合形态目前还有不少不确定性。所以总结一下我非常喜欢 code sandboxes我觉得它会成为 agent 能力栈里很关键的一块。主持人太棒了。Harrison真的非常感谢你今天来参加节目。你一直都能在 agent 这条路上看到未来能和你聊“上下文工程如何演化到今天的 harness 与长时序智能体”真的特别过瘾。感谢你推动这个未来也感谢你一直愿意和我们聊这些。Harrison Chase谢谢邀请。我希望未来还能再来一次然后证明我今天说的全部都是错的。因为预测未来真的很难。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】