北京
一位资深工程师终于受不了了。每月结算差旅费，他得反复从几十个航班报价中手工算出总价、挑出超预算的条目，再把最便宜两张票的价格加在一起。三周前他忍无可忍，打开编辑器，写了一个脚本——从此，这活儿变成点一下按钮的事。推理只发生在写脚本那一次；之后的每一次调用，都是精准、快速、零思考的自动执行。
大多数AI代理至今还没学会这一招。面对同样类型的数学任务，它们每一次都从零开始推理：今天让它汇总一串数字，它推演一番给出答案；明天再问同一个问题，它又从头推演，消耗完全不亚于首次的token量，有时还给出不同的错误答案。推理过程中学到的任何东西，随着会话结束就蒸发了。
完全按照资深工程师的思路，一个能够“自我改进”的AI代理，却在第一次解完任务后，就当场写一小段工具代码，验证它能运行，然后永久收入自己的工具箱。此后，无论遇到多少次“汇总费用”的需求，它都不再推理——直接调用那个自己写好的函数。那种来来回回的重复推理，被一次性替换为确定性的函数调用。
但有个细节得先坦白：第一次就写工具，花费的token比单纯做一次推理还要多。在运行时生成代码可是token消耗大户。这一点，没有半点水分。好处不体现在省钱，而体现在正确性和可复用性——一次构建，之后精准调用到天荒地老。为了把这个取舍说清楚，有人专门做了一版可运行的演示，代码全在resilient-agent-harness库里，demo叫“04-self-improving-skills”。演练场景用了Strands Agents框架，数据是Duffel沙箱里的真实航班费用。
演示设计了四个任务。前三个各有所指：给一堆费用算总和；统计超过设定阈值的条目数；挑出两张最便宜的票并求和。第四个任务则故意又重复了一次第一个任务的需求，就为了让你亲眼看到工具复用到底有多直接。每个任务都跑两次——用普通静态agent跑一遍，再用自我改进型agent跑一遍。一边记录实际消耗的token，一边以Python算出的标准值为基准，比对着看每次回答到底准不准。
这里需要明确一个关键概念。通常听到“自我改进”，可能会以为模型在变聪明，参数在更新。其实完全没这回事。支撑模型的那套权重自始至终纹丝不动，没做过任何微调，也不存在额外的训练步骤。变化的部分，是模型周围那层确定性的“鞍具”——也就是它可以调用的函数集合。agent在运行过程中，自己往这个集合里添上了自己写好的工具，就像开发者经年累月攒出了一套个人助手函数库。模型的能力没升级，但它的工具箱在变得密实和好用。
这种分工想想其实很巧妙。让模型负责第一次面对难题时的推理与编码，再让生成出来的工具代码保证后续重复场景下的稳定和高效。既用到了语言模型每次从头理解问题的弹性，又规避了它在重复劳动时容易产生的随机偏差与高额开销。一个agent从只能被动推理，变成了可以主动扩充自身函数调用的集合，虽然它没变聪明，但整个系统确确实实变得更能干了。
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.
