1）快速笔记和感触
a）概述
Agent = LLM（大脑） + 上下文（观测） + 工具（手脚）
延伸到
Agent = LLM + 上下文 + 工具 + 约束 + 验证 + 纠正 = Model + Harness
没有Harness 的模型就像脱绳的野马
各家模型差距不是那么大，更多是工程实践上，然后从能做事情变成可靠做事
绝大部分代码不是工具本身，主要是保障机制，流程状态管理，
多层上下文压缩，权限分类，熔断器恢复等等
b）重点是：上下文工程
系统提示词和工具定义是静态前缀，用户消息、模型回复、工具结果是不停增长的轨迹。
b.1)KVcache三条定律，
a）系统提示词与工具定义，系统提示词一旦定下来就不要改
b）动态信息永远追加到末尾，时间，用户状态比较容易改变
c）标准的API格式，不能偏离模型训练没见过的格式
生产系统的纪律是：静态前缀要字节级稳定，动态信息一律追加到末尾。KV Cache 不是性能优化，是架构约束。
b.2)Agent状态栏相当于提练层 做总结，状态栏就是把这种替模型算好的结论持续放进上下文：TODO 列表、当前时间、工具调用计数、系统环境
c)用户记忆和知识库
记忆能力评估：三层次框架 基础回忆，多会话检索，主动服务
d）工具的分类
工具文档不是给程序员的注释，是给模型的产品说明书，不能只是留着函数签名和参数
执行工具要做高风险拦截，分层防护策略，审批机制也是Agent输入，比如失败原因
e）Agent的评估
创造一个反思机制来反思Agent的反思，多元异构评估
LLM 的优势是遵循复杂指令，不应该在业务规则制定上被赋予过多自由裁量权。优秀的 Agent 公司里，提示词一般由产品经理设计，工程师负责准确编码。
f）模型后训练
PreTraining，SFT，RL泛化---
-->SFT优化的是像不像标准答案，模型学的是个固定映射，
-->RL泛化：结果好不好，任何拿到高奖励函数都行
-->直觉类比：预训练是"读万卷书"（知识积累），SFT是"老师手把手教标准解法"（模仿示范），RL是"自己下场做题，根据对错反复打磨"（试错提升），不是三选一，是流水线---先读书，再看示范，最后实战。
g）数据与环境：比算法更重要的事
举个例子：语音识别里模型"该不该收话"总在摇摆，根源不在模型结构，而在训练标前是用"上帝视角"标的----把标签改成"只决策当下能拿到的信息"，问题就消失了
合理用例顺序：先选强基础模型-->再把环境和数据打磨到位-->最后才在算法和超参进行边际优化
f）Agent持续进化
保存经历不等于从经历中学习，无法生产进行验证，需要在外面搭建一套可测试验证系统，更新载体有4种方式，经验知识库，Promot与Skill，程序与Harness，模型参数
睡眠进程，闲时复用新旧结论，跑回归测试
g）多膜态交互
三种范式：VAD-ASR-LLM-TTS流水线，端对端全模态（Omni，单模型但仍轮流说话），全双工（边听边说），并沿"如何拜托VAD的轮次假设"
机器人操作
h）多Agent操作：
多Agent协作不只是突破单个模型上下文窗口和能力边界工程手段，更可能会超越人类整体一个途径
h.1）上下文共享 h.2)消耗大
i）后记
i.1)发展1---Agent如何流式地，实时地与环境交互
i.2)发展2---Agent如何像人一样，从环境交互地成功与失败中持续积累经验
j）Agent更新：
在底层模型固定时，提升Agent任务表现最主要的系统工程手段，往往是重新定义或扩展观察空间与动作空间
事件驱动Agent：
j.1)语音
语音 级联流水线（Cascading）
端对端全模态模型（Omni）
直接听音频，生成回复并输出语音，但在仍然假设轮流说话，通常还是需要靠VAD划分发言权，与范式一相比较是输入输出由文本换成了语音
全双工交互模型
范式二仍然停留在 "用户说"和 "模型说"的俩个阶段，但同声传译等任务是要求俩者重叠进行。
全双工模型不再预设轮次，而是持续听，持续说，并不断决定持续，停顿，打断或调用工具
语义VAD
边想边说
j.2）Computer Use:GUI自动化Agent
j.2.1)GUI让AI像人类一样通过观察屏幕，操作鼠标键盘来使用软件
k）机器人
长程规划与任务分解
l）Agent评估
能力上限，业务可靠性，过程指标，安全，鲁棒，轨迹覆盖，人工抽检，对抗式评审，自动评估环境，评估任务数据集的设计，分析harness实际行为，均值
m）模型后训练
SFT数据合成：
线上数据-->任务蓝图-->合成任务-->多次筛选轨迹-->任务验证和轨迹验证-->SFT数据
n）Self-Invovle
经验-->知识，经验-->指令，经验-->参数