北京
一份50道题的回家作业，只答对3道。这成绩放谁身上都得慌，但作者不仅没黄，还拿到了这份工作。
当时他没搭过完整的智能体系统，只玩过些大语言模型流水线和轻量AI工具。完全自主的架构对他来说是全新领域。这次翻车反而让他摸清了门道——不只是关于AI智能体，更是怎么对付陌生的工程问题。
面试时他亮出成绩单，现在的CTO注意到他全程用便宜的小模型（反复测试账单已经爆表了），于是拿前沿的Opus模型跑了一遍他的智能体。结果更尴尬：只拿了2分。
问题根本不在模型。他的架构其实挺漂亮：插件化工具、统一接口、半自主流水线，结构约束做得整整齐齐。策略是先收紧——给智能体特定工具解决一部分题目，再围绕这些抽象慢慢扩展，直到全覆盖。
代码看着扎实，实战却解不了题。
面试官告诉他，如果当初直接搭个智能体循环，配上Python沙盒让代码跑起来（当然不是完全无限制），这套东西能拿80%的分。不需要提示工程，不需要特殊工具，不需要高级抽象。就一个大模型、一个while循环、一个Python环境。
这倒不是说生产环境就该放智能体随便跑代码。核心教训是：他在搞清楚状况之前就动手盖楼了。他以为自己知道该用什么抽象、该造什么工具、该怎么约束智能体。实际上他对考题的领域几乎一无所知。
回头看，正确的姿势是从简单开始。
先搭个能跑Python的智能体循环，拿到一个能用的基线。工具、约束、抽象这些东西，存在的意义只是提升可靠性、压成本、降延迟。
更重要的是，这次经历让他真正理解了智能体是什么。传统软件里，要解决五花八门的问题，你得把复杂度显式写进系统。智能体把这个逻辑颠倒了——复杂度藏在模型本身。
他提炼出两条心得。
第一条偏实操。行业趋势是给智能体更多自主权，但有点讽刺的是，编程智能体自己好像还没跟上这节奏。Claude总把他往低自主度、更"流水线化"的设计推。如果给智能体安全跑Python的能力，Python本身就是工具，而且灵活强大。随着Pydantic Monty这类框架出现，这事越来越简单。
第二条关于工程方法论。从简单开始。别在搞清楚问题之前就预设抽象。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
