摘要：
那么对于 Agent 从业者，结合白皮书内容，我们可以学到什么。我想下面是几条非常实用的启示： 从 Level 1–2 做起，而不是一上来造“超级 Agent” 先把“连通 + 工具调用 + 上下文工程”做好 把一个具体业务场景做深做稳，再考虑多 Agent 与自我进化 把 Agent 当“系统”而 阅读全文
posted @ 2025-12-13 14:16
Eric zhou
阅读(5)
评论(0)
推荐(0)
摘要：
1. Agent 如何学习与自我演化 与人类类似，智能体通过经验和外部信号进行持续学习然后进化，才能胜任人类社会更多的任务（这也是一个比较热门的研究领域，后面再单独聊）。 白皮书把 Agent 的“学习信号”分成几类： 运行时经验：日志、Trace、记忆，包含成功与失败的轨迹 外部信号：新政策文档、 阅读全文
posted @ 2025-12-13 14:15
Eric zhou
阅读(5)
评论(0)
推荐(0)
摘要：
在身份与安全体系中，Agent 被视为一种新的主体类型： 传统只有两类： 用户（OAuth/SSO） 服务账号（IAM/Service Account） 现在增加第三类： Agent 身份：有独立的数字身份、证书与权限范围 可以通过类似 SPIFFE 的标准进行身份验证 授予严格的最小权限，限制可访 阅读全文
posted @ 2025-12-13 14:11
Eric zhou
阅读(3)
评论(0)
推荐(0)
摘要：
Google Agent白皮书讨论了 Agent 与外部世界的三种关键关系。 1. Agents & Humans：更自然、更高带宽的交互 最简单的是聊天式 UI 进阶是结构化输出（JSON），驱动富 UI 或工作流引擎 更进一步是 Computer Use： Agent 直接操纵 UI 元素（点击 阅读全文
posted @ 2025-12-13 14:08
Eric zhou
阅读(10)
评论(0)
推荐(0)
摘要：
Google Agent白皮书提出一个重要概念：Agent Ops，是 DevOps/MLOps 在 Agent 时代的自然演进。 1. 测试不再是“output == expected” Agent 响应本身就是概率性的，同一个请求每次都可能略有不同 语言质量和任务完成度，往往难以用简单断言描述 阅读全文
posted @ 2025-12-13 14:07
Eric zhou
阅读(2)
评论(0)
推荐(0)
摘要：
目前的 LLM 是生成式 AI， 更像一个预测引擎： 用户提出一个问题 模型基于训练数据和提示词，单次生成一个回答 每一步都要人类驱动，缺少持续性、记忆和行动能力 白皮书指出，我们正经历一场范式转移：从 Predictive AI 转向 Autonomous Agents： 不再只是“给一个答案”， 阅读全文
posted @ 2025-12-13 13:55
Eric zhou
阅读(6)
评论(0)
推荐(0)
浙公网安备 33010602011771号