跳转到正文
调优篇约 1 分钟
打开原图 ↗

第 18 章 Agent 调优总览和实践 ​

本章由《Agent 调优总览》打头,先把数据飞轮的整体图景讲清楚:Agent 上线之后还要持续回答哪些问题,轨迹、数据处理、数据集、评估、实验和优化各自承担什么,以及怎样从一个具体业务问题开始,把第一轮调优做完。

其余文章是一线团队把这套流程真正跑起来的记录。《Agent 数据飞轮平台的选型和实践》来自 1688 的组织经营大脑“宙斯”:为什么在几个评测方案里选了 AgentLoop,探针怎么挂、Trace 怎么验收、评估任务怎么配,接入过程踩过哪些坑,以及线上巡检、实验验证和发布准出跑通之后,定位时间、回归耗时和复发率各自变成了什么样。

第 03 到第 07 篇是《AgentLoop 数据飞轮实践》系列,用一个基于 Claude Code 构建的客服 Agent 把飞轮完整转一圈:先总览数据飞轮和两种调优模式,再依次讲数据接入、评估、实验和经验自进化,最后用消融实验验证经验注入带来的耗时与成本变化。五篇建议按顺序读:前四篇走通人类专家驱动的调优闭环,第五篇讲不需要专家介入的经验库。

  1. 01Agent 调优总览 →
  2. 02Agent 数据飞轮平台的选型和实践 →
  3. 03AgentLoop 数据飞轮实践(一):总览,让 Agent 持续调优的闭环 →
  4. 04AgentLoop 数据飞轮实践(二):数据接入,四种方式把 Agent 连进 AgentLoop →
  5. 05AgentLoop 数据飞轮实践(三):评估,从黄金指标到 Rubric →
  6. 06AgentLoop 数据飞轮实践(四):实验,回测、离线实验平台与题目级 Rubric →
  7. 07AgentLoop 数据飞轮实践(五):经验自进化,自动挖掘经验资产,消融实验验证真实收益 →

发现问题或有实践经验想分享? 参与本书讨论 ↗

面向企业级 Agent 的开源白皮书