听完这期访谈终于知道为什么学不好Agent 了

听完这期访谈终于知道为什么学不好Agent 了 最近听了Lenny 采访 Dianne Penn 的节目，她从23年开始参与 Anthropic 的多个项目。Dianne 讲到 Anthropic 内部做 AI 产品时，很多时候更像是在做一套持续测试：先写 Eval，再调模型、跑测试、找失败案例，然后继续修改。 我突然被击中，因为我之前学 AI Agent，最常做的事情就是换一个 Prompt，再换一个模型，再加几条规则，然后希望它能变聪明一点。很多时候不是 AI “不够聪明”，而是我根本没有说清楚什么叫做对，什么叫做错，以及什么情况下才算完成。 …

听完这期访谈终于知道为什么学不好Agent 了
最近听了Lenny 采访 Dianne Penn 的节目，她从23年开始参与 Anthropic 的多个项目。Dianne 讲到 Anthropic 内部做 AI 产品时，很多时候更像是在做一套持续测试：先写 Eval，再调模型、跑测试、找失败案例，然后继续修改。

我突然被击中，因为我之前学 AI Agent，最常做的事情就是换一个 Prompt，再换一个模型，再加几条规则，然后希望它能变聪明一点。很多时候不是 AI “不够聪明”，而是我根本没有说清楚什么叫做对，什么叫做错，以及什么情况下才算完成。

之前帮朋友做金融资料整理 Agent，只说“帮我总结得好一点”，其实几乎没有办法验收。更具体的要求是重点有没有漏掉，事实有没有出处，引用能不能对应原文，JSON 格式有没有出错，不确定的地方有没有老实标出来。这些其实就是 Eval，但我花了很多时间才把这个 Agent 做成一个会对资料进行反向稽查的流程。

我以前觉得 Eval 可能要等项目做大了再考虑，但现在发现，Eval 反而应该是最先写的东西，因为没有验收标准，Prompt 写得越多，很多时候只是把混乱藏得更深。

这也让我重新理解了 MCP 和 Skills。Skill 不只是一个更长的 Prompt，它更像是一套固定的工作流程：先判断问题，再调用工具，然后检查结果，最后决定要不要交付，它的价值不是让 AI 看起来更聪明，而是让它能够比较稳定地完成一类工作。真正重要的不是“我能不能让 AI 帮我做一件事”，而是“我能不能把这件事变成一个可重复、可检查、出了问题也知道该从哪里改的流程”。

访谈里还有一段我很喜欢。Dianne 不希望 Claude 永远赞同自己，她希望 Claude 像一个优秀同事，在必要的时候提醒她：“你是不是漏看了什么？”“这个判断有没有另一种解释？”“你是不是只是在证明自己是对的？”

我觉得这对我们使用 AI 也很重要。AI 最有价值的时候，可能不是帮我们把话说得更漂亮，而是帮我们发现自己是不是把问题想窄了，是不是没有定义清楚，又或者只是在寻找一个赞同自己的答案。

所以我现在对 AI Agent 的理解，开始从怎么写出更厉害的 Prompt变成了我到底希望它稳定完成什么工作，以及我要怎么判断它完成得好不好。这可能才是 AI 原生工作方式真正开始的地方。

#changemyview[话题]# #Ai进化生活howto[话题]#
听完这期访谈终于知道为什么学不好Agent 了 最近听了L... http://xhslink.cn/o/2cmSWObj2Dj 复制内容后去【小红书】，直接看笔记详情。
resolved_url: https://www.xiaohongshu.com/explore/6a781d890000000025007a16
xhs_capture_status: success