YettaS(@YettaSing):第一次在体感上真正理解，为什么同样的 agent，不同人 train 出来的效果会差那么多。我在训练我们内部的 agent，一个很简单的任务：给一条 tweet 写 comment。我写了两个几乎一样的 prompt，中间只差一点点。结果完全不一样。后来才发现，好的那个 prompt，多了一层“解释”；差的那个，是直接让它走到最后一步。所以差别就是一个在让它“想”，一个在让它直接“做”。今天还有 analyst 问我，能不能直接让 agent 去拿数据跑结论。其实不行。agent 本质上是没有 taste 的。它不知道什么是好，什么是坏，只会在一个很泛的框架里，给你一个最generic的答案，看上去很全面，其实毫无用处。让agent直接给结论或者直接做到最后一步效果总是最差的。还是那句话：你怎么 train agent，取决于你的审美，而你审美的上限，也就是它的上限。

2026.04.02 02:22

第一次在体感上真正理解，为什么同样的 agent，不同人 train 出来的效果会差那么多。我在训练我们内部的 agent，一个很简单的任务：给一条 tweet 写 comment。我写了两个几乎一样的 prompt，中间只差一点点。结果完全不一样。后来才发现，好的那个 prompt，多了一层“解释”；差的那个，是直接让它走到最后一步。所以差别就是一个在让它“想”，一个在让它直接“做”。今天还有 analyst 问我，能不能直接让 agent 去拿数据跑结论。其实不行。agent 本质上是没有 taste 的。它不知道什么是好，什么是坏，只会在一个很泛的框架里，给你一个最generic的答案，看上去很全面，其实毫无用处。让agent直接给结论或者直接做到最后一步效果总是最差的。还是那句话：你怎么 train agent，取决于你的审美，而你审美的上限，也就是它的上限。