peter lee Agent Engineer
6 年前端,现在做 agent 评测与 harness
Agent 评测 · Harness 设计 · 上下文工程
最近一次运行
- run
- RUN_803250A…E12B4
- model
- glm-4.5-flash
- 耗时
- 114.2s
- 结果
- 未完成查询
每条回复都留 ID 和模型来源,失败能回放到具体那次调用。
我把 agent 的行为变成可以批量测量、可以复现的东西。6 年前端,做过大数据报表、中后台、SaaS ERP 和呼叫中心组件,现在把这些习惯搬到 agent 上:定边界、写契约、让失败可复现。
我不相信「换个更大的模型就好了」。模型是外生变量,能控制的是它外面那圈壳——给什么上下文、允许多少步、什么时候拦下来、失败了怎么回滚。壳好不好,只能跑实验说话。
在做的事
全部项目精选项目
全部项目近期文章
全部文章动态
全部动态关于
更多6 年前端(东华理工大学 · 软件工程,2020 届)。做过的活从大数据报表、中后台运营系统、SaaS ERP,一路到客服呼叫中心的电话条组件——大部分时间都在干同一件事:把别人的复杂业务拆成有边界、可组合、能维护的小块。
搬到 agent 这边发现最缺的正是这个:大家谈模型能力,很少谈外壳怎么设计、失败怎么复现、成本怎么算。所以现在全职做 agent 产品的研发,方向是早期团队的全栈岗位——从评测平台到前端界面都由自己搭。想聊实验设计可以找我,别聊「AI 会不会取代程序员」。