11 月 17 日,谷歌团队在论文中给出一组对比实验。只优化提示词,AI 智能体的成功率反而从 5% 降到 2.5%;如果让优化模型直接改写自己的运行框架 Harness,成功率升到 40%,比原始水平提升 8 倍。
142 行初始智能体被拆成四块
团队把仅 142 行的初始编程智能体拆成四块逐一改造,Harness 分别负责上下文与记忆管理、多轮任务调度、工具调用以及结果验证。也就是说,被优化的对象换成了承载整个智能体行为的运行框架,提示词只是其中最表层的一层。实验给出的结论很直接,改框架比磨提示词更有效。反过来看,单纯在提示词上打磨反而可能把成功率越调越低,这正好解释了为什么自动优化提示词有时会适得其反。
对智能体能力评估的意义
这类结果把智能体自改进的讨论从提示词工程挪到了系统工程层面,评估对象从输入变成了智能体自身的行为组织方式。四块拆分之所以有效,是因为上下文管理、多轮调度、工具调用与结果验证各自都有独立的优化空间,提示词只能触及其中最表层的一层。这类工作把优化对象从一段静态文本换成了一个持续演化的代码库,评估方式也随之改变。另一份从任务完成度角度的观察可以对照 OpenAI 研究加速报告:智能体独立完成 46% 的 2 小时任务。
延伸阅读
- Rivian将引入AI智能体:车辆可自主完成预约维修、泊车充电等任务1 月前
- Anthropic 递交 S-1:营收 162.86 亿美元,算力承诺 4170 亿3 周前
- Opera 推 WebAI:3 类任务浏览器内跑,本地模型不外传3 周前
- Google Gemini 桌面应用正式登陆 Windows:Alt+Space 随时呼出2 月前
AI 自学笔记 每天更新 AI 前沿动态,订阅 RSS,或按 Ctrl/⌘+D 收藏本站,明天见。
继续读
往下这几篇值得接着看:
- 谷歌 Gemini 上线 Mac 电脑操控:需 macOS 15.0 以上2026-11-20
- 育碧成立 Motherbrain 游戏 AI 子公司:半年减员 1100 人2026-11-20
- ChatGPT for Sales 上线:34 个插件与 65% 人工减负怎么用深度2026-11-20
想快速查定义?对应的词条在这里:
- AI Agent词条 · AI 自学笔记
