11.15 AI 日报|算力取舍与 Agent 实践
01 Anthropic 面临算力两难
Anthropic CEO Dario Amodei 表示,算力通常需要提前一到两年规划和采购,但未来的模型进展、客户需求都存在不确定性。
买少了,可能无法满足客户需求,限制收入增长;买多了,又可能因投入过大而承受财务压力。这也是前沿 AI 公司扩张时面临的核心难题之一。
来源:
02 如何用好 Claude Opus 5.5?
Anthropic 建议,先把目标、背景资料和期望的交付形式说清楚,再根据任务复杂度调整 effort(思考力度)。
如果结果不理想,可以先检查资料和要求是否完整,再尝试提高 effort;如果模型已经获得足够上下文、认真尝试后仍无法完成,再考虑切换更强的模型。不同任务的效果和成本,仍需要自己测试。
来源:
03 如何搭建常驻 Agent?
Anthropic 将常驻 Agent 拆成几个关键组件:
・事件收件箱:把消息、Webhook 等事件写入持久队列,由 worker 处理,避免事件丢失或重复执行。
・定时器:负责定期任务和后续跟进,到时间后将事件放入收件箱。
・记忆:让 Agent 在不同运行阶段保留必要上下文。
・权限与发件箱:明确哪些操作可以执行,并管理对外发送的内容。
这样 Agent 才能跨会话持续工作,也更容易恢复和检查。
来源:
04 Harness²:让 Agent 改进自己的工作环境
Google Research 与 Northwestern 的 Harness² 研究,关注的不是重新训练模型,而是改进模型外围的工作环境:提示词、工具、记忆、技能和执行流程。
它的基本方法是:先运行任务并记录过程,再提出配置修改,重新运行并比较不同版本的表现,最后保留有帮助的修改。
这项研究发表于 10 月,本期作为方法复盘。即使不需要预先提供标准答案,也不代表系统能保证判断正确;实际使用仍需要独立评测。
来源:
显示更多