差别
这里会显示出您选择的修订版和当前版本之间的差别。
| 两侧同时换到之前的修订记录 前一修订版 后一修订版 | 前一修订版 | ||
| 智能体二次开发:ai_agent入门 [2026/08/12 15:52] – [skill] 张叶安 | 智能体二次开发:ai_agent入门 [2026/08/12 16:38] (当前版本) – [用户记忆和知识库] 张叶安 | ||
|---|---|---|---|
| 行 114: | 行 114: | ||
| {{.: | {{.: | ||
| - | |第一层|元数据|每个 Skill 必须包含一个 SKILL.md 文件,开头是 YAML frontmatter(即文件顶部用 --- 分隔的元数据块,类似书籍的版权页),包含 name 和 description 两个字段。在 Anthropic 公开描述的实现和 Claude Code 默认配置中,Agent 启动时会扫描可用 Skill,将它们的 name 和 description(仅占数百个 token)预加载到 system prompt,使 Agent 在不加载所有 Skill 正文的前提下知晓自己拥有哪些专业能力。元数据中的 description 字段是路由决策的关键——它应当足够短(控制常驻的 token 量),但写法要像路由条件而非功能介绍。最直接的写法是 “Use when / Don’t use when” 加上几条反例(即明确列出“不该触发此 Skill”的场景)| | + | |第一层|元数据|每个 Skill 必须包含一个 SKILL.md 文件,开头是 YAML frontmatter(即文件顶部用 --- 分隔的元数据块,类似书籍的版权页),包含 name 和 description 两个字段。元数据中的 description 字段是路由决策的关键——它应当足够短(控制常驻的 token 量),但写法要像路由条件而非功能介绍。最直接的写法是 “Use when / Don’t use when” 加上几条反例(即明确列出“不该触发此 Skill”的场景)| |
| |第二层|核心流程|skill.md| | |第二层|核心流程|skill.md| | ||
| |第三层|细则|引用文件| | |第三层|细则|引用文件| | ||
| 行 126: | 行 126: | ||
| {{.: | {{.: | ||
| + | ====== Agent 状态栏 ====== | ||
| + | 通过元信息增强 Agent 轨迹管理 | ||
| + | |||
| + | {{.: | ||
| + | |||
| + | 把分散在上下文各处的隐式状态提炼为可直接使用的显式知识。 | ||
| + | |||
| + | 一、状态栏要用代码维护,别拿大模型去维护。 | ||
| + | |||
| + | 二、不要删掉原始上下文。 | ||
| + | |||
| + | 三、把状态栏的准确率当成一线生产指标来盯。 | ||
| + | |||
| + | Agent 状态栏的构成: | ||
| + | |||
| + | |任务规划|引入 TODO 列表将任务分解为清晰的步骤| | ||
| + | |事件的侧信道信息|为每个事件附加元数据——精确的时间、地理位置、距上次 Agent 回复的时间间隔等| | ||
| + | |环境的当前状态|动态的环境信息(系统时间、工作目录等)、异常操作提醒(“该工具已被重复调用 N 次”)、以及从隐式状态到显式状态的转换| | ||
| + | |||
| + | 几种好用的Agent状态栏技术 | ||
| + | |||
| + | |时间戳跟踪|以 [2025-09-14 10:30:45] 格式作为前缀添加到用户消息和工具响应中(注意:不是放在系统提示词中,否则会破坏 KV Cache)|使 Agent 能够理解时序关系,也为调试和审计提供了信息。该技术还实现了时间模拟功能,Agent 可以理解“昨天的文件”和“今天的修改”之间的关系。| | ||
| + | |工具调用计数器|维护一个全局的字典记录每个工具被调用的次数,在响应中标注 “Tool call #3 for ‘read_file’”。|这种显式的计数能触发模型的模式识别能力:第一次失败后检查路径,第二次失败后列出目录,第三次就主动放弃并寻找替代方案。其深层价值在于实现了隐式的成本感知——Agent 能“意识到”自己在某个操作上已经花费了太多次尝试。| | ||
| + | |TODO 列表管理|提供 rewrite_todo_list 和 update_todo_status 两个专门的工具。每个 TODO 项包含唯一标识符、内容、状态(pending/ | ||
| + | |详细错误信息|错误类型和描述、完整参数的 JSON、调用栈信息,以及针对性的修复建议|启用后,Agent 在错误场景中找到替代方案的成功率从 60% 提升到了 95%,从盲目重试转变为分析性的问题解决。| | ||
| + | |系统状态感知|注入当前时间、工作目录、操作系统类型、Shell 环境和 Python 版本等信息。|其中工作目录的跟踪尤其关键——Agent 执行 cd 命令后会自动更新,确保后续操作在正确的上下文中执行。操作系统信息使 Agent 能做出平台相关的决策(如 Linux 上用 apt、macOS 上用 brew)。| | ||
| + | |||
| + | {{.: | ||
| + | |||
| + | 状态更新频繁且轨迹很长时,选择持久追加——每轮替换带来的缓存失效会在长轨迹上反复累积,代价远超陈旧状态占用的 token; | ||
| + | |||
| + | 轨迹较短或单条状态消息很大(如完整的 TODO 列表加环境快照)时,选择每轮替换 | ||
| + | |||
| + | |||
| + | ====== 上下文压缩策略 ====== | ||
| + | |||
| + | 上下文学习的内部机制:检索而非推理,不要让模型被动地在海量信息中检索,而要主动为模型提供经过提炼的结构化知识。 | ||
| + | |||
| + | {{.: | ||
| + | |||
| + | 上下文感知压缩 —— 核心创新在于将当前的查询意图和已积累的信息纳入压缩的决策过程。通过在压缩提示中指定 “Given the search query: {query}” 和 “Current context: {context}”,引导模型生成有针对性的摘要。结果仅需 7 次迭代、40, | ||
| ====== 缓存 ====== | ====== 缓存 ====== | ||
| 行 161: | 行 202: | ||
| + | ====== 用户记忆和知识库 ====== | ||
| + | |||
| + | {{.: | ||
| + | |||
| + | 个人信息保留:记住用户身份等长期个人信息 | ||
| + | |||
| + | 偏好追踪:跟踪并记住用户的长期偏好 | ||
| + | |||
| + | 上下文切换:在多个话题之间切换时保持连贯 | ||
| + | |||
| + | 记忆更新:当用户提供与旧信息矛盾的新信息时能正确处理 | ||
| + | |||
| + | 多会话连续性:跨会话保持知识 | ||
| + | |||
| + | 复杂思考:基于多个记忆片段联合思考,例如当用户对花生过敏时推荐泰国菜应主动提醒注意花生成分 | ||
| + | |||
| + | 时间感知:记住日期、理解相对时间、进行时间计算 | ||
| + | |||
| + | 冲突解决:识别并处理记忆之间的不一致 | ||
| + | |||
| + | 第一层:基础回忆 —— 这是记忆系统最根本的能力,要求 Agent 能够准确存储和检索用户直接提供的、结构化的、无歧义的信息。 | ||
| + | |||
| + | 第二层:多会话检索 —— 要求 Agent 在面对来自多个不同对象、不同时期的会话时,能检索出所有相关信息并推理判断。 | ||
| + | 第三层:主动服务 —— 这是衡量 Agent 是否达到 “助理” 级别最高标准的试金石。 | ||
| + | {{.: | ||
| + | 关键且少量的数据(如用户偏好、关键人物关系)用 Advanced JSON Cards 以保证可检索性;大量且非关键的对话事实用 Simple Notes 以降低成本;多数生产系统采用混合模式——同一 Agent 内不同类信息走不同路径。 | ||
| + | 进阶知识表示形态:可执行代码 | ||
| + | 它把记忆的更新拆成两阶段2:记忆阶段(每次会话后,LLM 把对话中的事实逐条抽成字符串,追加到一个只增不删的事实日志里)与 | ||
| + | 结构化阶段(周期性地,LLM 从完整的事实日志重新生成整份带类型的 Python——把事实组织进 dataclass,日期用 date()、集合用带类型的列表、难以类型化的杂项进 notes: list[str])。 | ||