开发agent大家有什么见解嘛
开发Agent的讨论深入探讨了AI辅助编码的挑战与实践，特别是模型的不确定性以及如何通过代码来稳定Agent的行为。
1. 关键信息
- （之前已归纳）讨论围绕“开发Agent”展开，明确为“开发agent”而非“用agent开发”。
- （之前已归纳）提到了可以使用现成的Framework或公司CLI。
- （之前已归纳）用户询问开发Agent的具体目的，例如解决特定问题。
- （之前已归纳）建议利用Claude等AI助手辅助Agent的编码工作。
- （之前已归纳）推荐GitHub仓库
badlogic/pi-mono作为AI Agent工具集，包含CLI、LLM API、UI库等，可用于学习和实践。 - （之前已归纳）用户cl3提到“N姐好多面試呀！”，暗示了讨论可能涉及与招聘或职业发展相关的背景，但具体细节未展开。
- 最新回复用户表示在开发Agent的过程中遇到了困难，形容为“头秃了”。
- IlllIIlIIIllIIl指出，开发Agent的主要难点在于模型输出的不确定性，即使模型当前表现良好，也可能随时出现错误，需要大量代码来验证其输出。
- IlllIIlIIIllIIl认为许多所谓的“全自动”Agent难以落地，容易陷入无限循环或卡死，强调应设定明确的规则和范围，让Agent稳定地完成一到两件重复性的小任务。
- IlllIIlIIIllIIl认为花哨的框架不如自己手写判断逻辑来得稳健，本质上Agent开发就是处理模型的不确定性，并用代码来“接住”这些不稳定的输出。
- IlllIIlIIIllIIl建议从最简单的任务开始，优先解决“稳定”问题，再考虑复杂性。
- deng47将使用本地LLM搞Agent比作教导一个婴儿走路，形象地说明了本地模型的不成熟和需要大量调教。
- whtf提到“Qclaw已经内测了，即将发布”，暗示可能是一个新的Agent或相关产品。
- otonoco建议在开发Agent时要“循序渐进”并“设定好安全词”，强调了稳定性和风险控制。
2. 羊毛/优惠信息
- 无
3. 最新动态
- whtf提到“Qclaw已经内测了，即将发布”。
4. 争议或不同意见
- 无明显争议，讨论主要集中在技术实现和应用方向的探讨。
5. 行动建议
- （之前已归纳）对于想开发Agent的用户，可以考虑利用现有的Framework或CLI工具。
- （之前已归纳）在开发前，明确Agent需要解决的具体问题和应用场景。
- （之前已归纳）可以尝试使用Claude等AI工具辅助Agent的开发编码。
- （之前已归纳）推荐研究
badlogic/pi-mono这个GitHub项目，通过代码学习和实践Agent的开发。 - 对于在开发Agent过程中遇到困难的用户，可以继续探索和寻求解决方案。
- IlllIIlIIIllIIl建议开发者优先关注Agent的“稳定性”，从简单任务入手，并强调通过代码处理模型的不确定性。
- deng47的经验表明，使用本地LLM进行Agent开发需要耐心和大量的调教。
- otonoco建议在Agent开发过程中，应采取“循序渐进”的方式，并设置“安全词”来控制风险。
哎 ng真是太可怜了
问完gemini来当伸手党
明明昨晚还在k8s linux
占楼编辑
现在NG很多作用
是用agent开发，还是开发agent？
开发agent
Agent可以用agent开发
有很多现成的framework可以用，甚至可以直接套壳那几家的cli
可以说的仔细点嘛
你开发agent要具体解决一个什么问题么
不知道啊 要面的组说是在搞
让Claude code给你把这个repo讲一遍 拿着自己用用就懂了
github.com
GitHub - badlogic/pi-mono: AI agent toolkit: coding agent CLI, unified LLM...
AI agent toolkit: coding agent CLI, unified LLM API, TUI & web UI libraries, Slack bot, vLLM pods
N姐好多面試呀！
先找个agent，然后让他去开发你的agent
别只聊 LangChain 那套简单的 ReAct 逻辑。现在的卷点在于：
Long-term Memory：Agent 怎么在多轮对话中不丢上下文？是靠 Vector DB 还是靠最新的 Infinite Context 技术？
Planning & Tool Use：面对复杂任务，Agent 是如何拆解的？对于返回的 Tool Output 报错，它有没有 Self-Correction的能力？
Reliability & Evaluation：Agent/LLM 最怕 幻觉。面试时可以问问他们怎么做 Agent Eval，是用 LLM-as-a-judge 还是有一套固定的 Sandbox 环境跑测试。
只要聊到这三点，面试官就知道你是真钻研过 Agentic Workflow 的
不过对于 NG，前面2点也有可能要求太过了。就看你想不想成为像我一样，当一个真正的 LLM/AI Agent 了
换我头秃了
现在搞 Agent 挺让人头大的。外面吹得天花乱坠，但真动手写代码就发现，大部分时间都在跟那几条指令较劲。最烦的不是逻辑怎么写，而是模型现在表现好，过一会儿可能就乱说话了，你还得写一堆代码去检查它的输出对不对。
很多所谓的“全自动”其实根本没法落地。你要是真让它自己去想，它能给你跑出无限循环或者直接卡死。所以现在还是得老老实实地定好规矩，让它在一个明确的范围里转。别想着用它解决所有问题，能稳定地帮人干成一两件重复的小事，这产品就算成了。
另外，那些花哨的框架其实没那么重要，很多时候自己手写几个判断逻辑反而更稳。本质上，现在做 Agent 就是在处理模型产生的不确定性，把那些不稳的地方用代码接住。
要是真想动手，建议先从最简单的任务开始，先把“稳定”这关过了，再去想那些复杂的。
This sounds like an agent response
楼主最近这么活跃 刷到好几次你的帖子了
【引用自 IlllIIlIIIllIIl】:
稳
【引用自 IlllIIlIIIllIIl】:
接住
进厂打螺丝没人要呀
上次医生后续呢
我在用本地LLM搞agent，有时候感觉LLM就是个婴儿，而我正在造学步车，教ta走路
image640×539 46 KB
泥潭最新大热门人物
nin姐什么时候能和山哥一样有专属tag
童话里 我已经嫁给他了
现在个人tag露头就秒，得想点擦边的
【引用自 Nik0major】:
得想点擦边的
冬哥的牛牛
74c2d73699dc24eecb55ea1ec52427a91320×530 80.7 KB当然是知识付费，Qclaw已经内测了，即将发布
循序渐进
设定好安全词
同感，我也是ollama的本地model，和花钱订阅的api相比差太多了