用前沿模型爬坡优化你的 agent prompt,提升 F1 与一致性
JensHonack · x · 2026-11-11
开发者分享了一个性价比很高的 agent 系统优化方法:用前沿模型来改进自己的 context/prompt 工程。
- 把前沿模型指向你自己的决策过程,让它爬坡式(hill climb)迭代优化 prompt 和问题
- 在自建 eval 上测试:检查分类一致性(取 5 次最佳)、F1/召回率/精确度是否提升
- 作者特别强调:如果用小模型(如 Jev)作为 RL 中的 reward function,这一步必须做
核心思路是「用更强模型当优化器,去调教 weaker 模型的提示词」,成本低收益高。
「编程与Agent」频道最新
- Sentry 推出 MCP 与 CLI 统一方案：不是二选一，而是都要 — zeeg · 2026-11-11
- 斯坦福开设 CS329Z 智能体工程课，Diyi Yang 主讲覆盖主动式 Agent — stanfordnlp · 2026-11-11
- 斯坦福 CS329Z 作业公开：用 Harbor 框架造 terminal-bench 式 agent 评测任务 — Diyi_Yang · 2026-11-11
- 斯坦福 CS329Z 作业公开：不到 5 美元 API 费从零造自己的 Claude Code — Diyi_Yang · 2026-11-11
- Gemini 4 Carbon 登陆 Cursor,高 effort 档以 60.4% 登顶 CursorBench — DynamicWebPaige · 2026-11-11
- Antigravity 上线 /swarm 多智能体蜂群，配 Gemini 4 Carbon 协作 — clmt · 2026-11-11