最新精选
第 121–123 条 · 共 123 条- Anthropic:Engineering精选AI 评分6363
Anthropic 发布工程复盘,说明 8 月至 9 月初三个基础设施缺陷如何间歇性降低 Claude 回复质量,问题已全部修复,公司强调从未因需求或服务器负载降低模型质量。
决策要点
多硬件平台并存的部署体系让基础设施缺陷足以连续数周影响 Claude 输出质量,模型表现并非只由模型版本决定。
- 影响企业不能默认同一模型版本的输出质量恒定,服务端部署与负载均衡调整都可能造成波动;依赖 API 的业务需要自建输出质量抽检,不能只依赖厂商内部评测;此类事故排查历时数周,期间劣化随路由变化间歇出现。
- 参考可考虑在代码生成或客服等关键场景建立小规模输出回归抽检,留存异常样本便于向厂商反馈;值得评估监控对关键链路的覆盖,并留意官方提示的 top-p 重调建议。
- Anthropic:Engineering精选AI 评分6161
Anthropic发布工程指南,讲解如何为AI智能体编写高效工具,提出先搭原型、跑评估、再让Claude Code自动优化工具的迭代路径。指南归纳只针对高影响工作流建工具、工具名命名空间化、返回高信噪比上下文与token效率等五项原则,Claude Code默认将工具响应上限设为25,000 tokens。
决策要点
这篇指南的实质是指出工具是面向非确定性智能体的新型软件契约,不能沿用传统API开发思路,要靠评估驱动、智能体参与的迭代来打磨质量。
- 影响企业自建智能体应用时,工具数量与响应token直接影响token成本和任务准确率;把现有API简单包装成工具容易拖累表现,需围绕高影响工作流做整合;接入第三方MCP工具时,命名与描述质量可作为选型参考。
- 参考自建智能体应用的团队可考虑先基于真实业务任务搭小规模评估集,再据评估结果迭代工具描述;值得按功能命名空间盘点现有与第三方MCP工具,合并多步链式操作为单一工具;可参考官方默认响应上限估算token成本。
- Anthropic:Engineering精选AI 评分6363
Anthropic 发布工程长文,复盘 Claude Research 功能背后的多智能体研究系统,采用主智能体协调、子智能体并行搜索的编排者模式。
决策要点
多智能体架构的实质是用 token 成本换广度搜索性能,官方数据同时给出了适用边界和代价。
- 影响调研与报告类业务可用并行多智能体换质量和速度,复杂查询耗时最多降 90%;token 消耗约为普通对话 15 倍,预算口径需重算;编码等强串行协作场景官方明确表示暂不宜照搬。
- 参考可考虑选竞品调研、行业扫描等可并行场景做小试点,先算清单次任务 token 成本与人工耗时对比;搭建内部智能体时可参考其 Cookbook 开源提示词和约 20 条查询起步的小样本评估法。