从 ReAct 到生产级 Agent:模型与结果之间的 7 层架构
blaizedsouza · x · 2026-11-03
转帖推荐两份理解与构建 AI Agent 的核心材料:
ReAct(Princeton & Google)——被称为互联网上最有影响力的 Agent 论文。它提出的「思考→行动→观察结果→再思考」循环正是 Claude Code、Codex、Cursor 等工具的底层机制;仅靠推理会编造,仅靠行动会迷路,两者互相纠错。仅用一两个示例,就在 ALFWorld 上比训练过的 agent 高 34%,WebShop 上高 10%。帖子还给出了关键页码导览:Figure 1 全貌、Section 2 循环机制、Table 1 与 CoT 对比、Table 2 推理为何幻觉、A.3 人类中途编辑一条 thought 纠正 agent。
《How to Build a Production AI Agent》长文——指出多数 agent 项目的通病:最强模型+长 prompt+漂亮 demo,真实工作一周内就出现数字对不上源数据、上下文丢失等问题,文章给出模型到结果之间的 7 层生产架构。
「编程与Agent」频道最新
- OpenAI 自建源码系统 Pando：每天传输近 1PB Git 数据 — Aizkmusic · 2026-11-03
- Karpathy 分享 prompt:让 Claude Code 顺手做个浏览器扩展 — amaarora · 2026-11-03
- Cherry Pi 提出 harness 分层架构：内层管 agent 循环，外层管工作空间 — sull · 2026-11-03
- $200 Claude Max 跑通宵多 subagent 任务，仅耗 6% 周限额 — lxfater · 2026-11-03
- Agent 称已修复漏洞,原 PoC 仍可复现:验证 diff 不等于验证触发条件 — AIGODSEND · 2026-11-03
- Google×港大 VeriCUA:Agent 自己报完成不算数,误判率降至 5.4% — rohanpaul_ai · 2026-11-03