DeepMind 科员论长程 Agent：上下文 vs 脚手架
AnneliesGamble · x · 2026-08-26
文章是对 Google DeepMind 杰出科学家 Prateek Jain 的访谈，探讨如何让 AI Agent 处理长周期复杂任务。主要观点：
- 两条路径：一是增加上下文容量，让模型记住更多信息；二是构建外部脚手架，包括检索、记忆、规划、工具调用、测试检查点和子代理。
- 核心问题：如何平衡上下文长度与外部脚手架的复杂度，以实现高效且弹性的 Agent 系统。
- Prateek 负责 Gemini 的新架构研究与长期创新，专注于效率与高风险、高 ambition 的项目。
「编程与Agent」频道最新
- Snowflake CoCo：三项技术将AI agent成本降低33-45% — StasBekman · 2026-08-26
- Snowflake 揭示 Agent 隐形成本，优化方案降低 33%-45% — StasBekman · 2026-08-26
- Hermes 支持单网关多复用，节省资源但牺牲隔离 — alexcovo_eth · 2026-08-26
- Parker Conrad：AI 智能体太强，不需要 Silverlake 收购 — andreisavu · 2026-08-26
- Hermes Agent 新增 44 个工具连接器，支持一键访问 — NousResearch · 2026-08-26
- Kyutai 开源 Pocket TTS 训练栈，成本低于 200 美元 — syhw · 2026-08-26