KLucenの启示录2026-09-18T15:26:31.253Zhttps://www.klucen.cn/KLucenHexo用 Agent 陪读《深入理解 AI Agent》：笔记仓库开源了https://www.klucen.cn/posts/640296d4.html2026-09-11T15:50:00.000Z2026-09-18T15:26:31.253Z上个月我发过一篇 《深入理解 AI Agent：设计原理与工程实践》章节精读笔记。那篇是想给”想快速了解 Agent 到底在讲什么”的人一份简单的总结性文档，看完能知道这本书大致说了什么。但也仅此而已。
]]><p>给 <code>dsh web</code> 写了个小插件 —— <strong>dsh-desktop_quick_launcher</strong>,补上我一直觉得最缺的两块体验:<strong>双击桌面图标启动</strong>,和<strong>在界面里一键退出</《深入理解 AI Agent：设计原理与工程实践》章节精读笔记https://www.klucen.cn/posts/66321874.html2026-08-03T09:00:00.000Z2026-08-03T09:07:28.203Z《深入理解 AI Agent：设计原理与工程实践》章节精读笔记
流程驱动 vs 规则堆砌（”组织方式”）：上百条零散规则（无流程图、无优先级）即使对人也是灾难。流程驱动（SOP 式）让模型任何时刻清楚自己处于哪个阶段、目标是什么、下一步去哪。消融实验（实验 2-4）：打乱信息组织结构 → 任务成功率下降超过 30%（如”先验证身份再处理退款”被拆散后，Agent 有时跳过验证直接退款）。结论：对人类友好的信息组织方式，对模型同样友好。
业务规则细化（”内容”）：最容易被忽视却最关键的环节，需要产品经理深度参与。案例：帮用户打电话谈判的计费系统——“按省钱提成 / 按服务收 tip / 特别难办的预收款”三种模式必须把决策规则明确到可执行程度（”退款和取消服务绝对不能按提成”、”NEVER use percent…”），模糊规则会导致行为极不稳定。
理论基础：上下文学习更像检索而非推理——注意力擅长在已有内容里”查找”，不擅长在一次前向传播里主动”归纳统计”。”上下文窗口是一台只有一半的检索引擎”：检索半很强（RAG 内置进每次前向传播），但缺”提炼层”——任何”关于这些内容的结论”（共多少条、有没有超标、进展到哪一步）模型每次都要从原始记录现算一遍，代价随内容量 N 上涨。
数据：最关键的一环，质量胜过一切。”Garbage in, garbage out 在后训练里体现得淋漓尽致。”SFT 一字不差地把噪声偏见固化进参数；RL 朝着有偏差的奖励拼命优化（reward hacking 温床）。数据质量三维度：覆盖度（任务分布的多样性）、平衡度（避免单一腔调）、标注准确性（思维链蒸馏里错误思考过程会被学生一并模仿）。拒绝采样是把标注准确性拉满的标准动作。
全链路流式化（2025 年生产主流）：ASR 边听边转、LLM 按句切分输出、TTS 句级流式合成——三级从接力棒变成流水线上同时开工的工位，端到端延迟压到 600-800ms。但 VAD 的静默等待压不掉（靠静音阈值猜测”说完没有”是流水线开工前提）。
流式语音感知：替代 VAD + ASR。传统 VAD+ASR 三个根本问题：延迟累积（必须等静音）、信息丢失（只输出有声/无声，情绪语气犹豫全丢；停顿稍长被误判截断、背景噪音误触发、附和”嗯”无法判断打断还是认可）、准确率下降（音频切片破坏上下文连续性——“john dot smith at gmail dot com”被切段后 smith 可能被误识别）。流式模型关键：编码器因果/分块 + 解码增量（Whisper 不能流式是因为编码器要完整 30 秒音频段）。新一代感知层输出语音事件标记流（ 区分真想打断 vs 附和/噪音、、/、/）——把轮次判断从静音时长升级到语义层面。
Sim2Real Transfer：领域随机化（物理参数、视觉外观、传感器噪声大范围随机）是缩小 sim-to-real gap 的关键。成功关键要素：精确的环境对齐 + 视觉域随机化 + 物理参数随机化，三者缺一不可；局限：真实物体形状/大小/材质超出训练分布时成功率显著下降。
9.10 本章小结
语音已走出从串行流水线到端到端和全双工、从分离的快慢思考到”边想边说”的完整演进路径（问题→方案→终局已跑通，是另外两个场景的参考系）；Computer Use 准确率接近人类但效率差距（步骤多、随任务推进变慢）无系统性解法；机器人以视觉反馈为主的任务上瓶颈已从硬件转到 VLA 控制层的跨任务泛化（触觉、灵巧手仍是硬件短板）。
两朵乌云：① 大世界假设——模型容量与数据之辩：前沿实验室认为瓶颈在数据（把行业专业能力”蒸馏”进同一个大模型，训练一次问题就解决了）；但属于某个具体用户/公司的知识（你的代码规范、团队做 PPT 的口味、客户的脾气）不在任何训练语料里、时时在变——模型只能在上岗之后持续学习，没法指望出厂一次配齐（对应第三章记忆与第八章持续进化）。② AI for AI / AI for Science 推动 Agent 走到没有现成答案的前沿，只能从实验成败中自主学习。模型最强的能力终将不是记住，而是学习与适应。
国际化emo疗养院常客 Alec Benjamin的《Let Me Down Slowly》和Anson Seabra的《Peter Pan Was Right》暴露了您“用英语致郁，再用英语自愈”的深夜流程，而Sarah Brightman的《Scarborough Fair》则暗示您偶尔需要一剂文艺复兴式镇静剂，对抗大数据时代的浮躁。
graph TD A[串口中断触发] --> B{串口号判断} B -->|USART1 或 USART3| C[检查字符是否为\\nn] C --> B
graph TD A[串口中断触发] —> B{串口号判断} B —>|USART1 或 USART3| C[检查字符是否为\nn] C —> B
]]><h2 id="1-标题"><a href="#1-标题" class="headerlink" title="1. 标题"></a>1. 标题</h2><figure class="highlight plaintext"><table><tr><td class="gutte第一篇文章https://www.klucen.cn/posts/5c2fafc7.html2025-12-14T07:45:24.743Z2025-12-15T09:01:15.483Z这是我的第一篇测试文章]]><h2 id="这是我的第一篇测试文章"><a href="#这是我的第一篇测试文章" class="headerlink" title="这是我的第一篇测试文章"></a>这是我的第一篇测试文章</h2>Hello Worldhttps://www.klucen.cn/posts/4a17b156.html2025-12-14T04:53:12.259Z2025-12-15T09:28:42.956ZWelcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.
