XNews

代理架构、工具使用与上下文工程

代理架构、工具使用与上下文工程

代理架构、工具使用与上下文工程正在为生产代理不断发展。

Key insights

尽管实验室结果强劲,RAG系统在部署上仍面临差距

对77项RAG+LLM研究(2015–2025)的系统评审显示,RAG原型在受控环境中表现良好,但仅有13%在真实企业中部署。常见挑战包括幻觉控制(48.1%)、数据隐私/安全(37.7%)、延迟和可扩展性(31.2%)、领域适应(23.4%)以及衡量商业影响的困难(15.6%)。标准堆栈使用GPT模型(63.6%)、FAISS/Elasticsearch(80.5%)和云扩展(66.2%);混合检索和领域微调可带来10–20%的事实性提升。

Anthropic的高级工具使用降低了令牌成本并改善了工具选择

Anthropic在Claude上引入了高级工具使用,采用三种技术:按需工具加载的工具搜索工具(将令牌成本降低约85%)、程序化工具调用(模型发出沙盒代码以协调多工具工作流,令牌减少约37%),以及提供结构化JSON示例的工具使用示例,以提高参数准确性。内部基准测试显示整体准确性提升10–20%,在复杂工具工作负载中减少了令牌和延迟。

Claude技能是基于提示的动态行为修改器,而非代码工具

Claude技能是系统级提示包(SKILL.md),注入优先级指令,预先授权特定工具,并异步改变模型行为。技能由技能元工具在运行时发现,作为高优先级上下文注入,并可以预定义允许的工具列表和模型选择。这一设计支持热更新、最小特权工具访问和复杂工作流,而无需直接执行代码。

PromptBridge在不重新训练的情况下自动化跨模型提示转移

PromptBridge提出了一种零训练框架,使用一小组源模型与目标模型之间的最佳配对提示进行校准,然后学习映射以将源提示转换为目标优化提示。这减少了在切换模型时手动重新设计提示的工作,并支持轻量校准阶段后的未知下游任务。

以上下文驱动的开发与指挥者连接本地代码库到模型

谷歌的Gemini指挥者CLI将本地库与Gemini集成,扫描项目结构,根据配置打包相关文件,并发送聚焦上下文,以便模型能够产生更准确的代码辅助。指挥者通过根据.conductor.yaml配置自动选择相关上下文,解决了手动复制/粘贴、上下文丢失和信息过载的问题。

Agentic RAG项目和开放工具包展示生产模式

开源的Agentic RAG模板(基于LangGraph)实现了对话记忆、层次索引、小切片再到大切片检索回调、意图澄清、多代理并行处理和操作员干预用户界面。这些项目包括部署笔记本、Docker流程、PDF→Markdown工具链和Gradio演示,以简化生产化过程。

Source posts