Jerry Fang

智能驾驶5年 | DevOps高级工程师
已落地2个生产级 AI Agent（持续迭代）
公开学习 & 分享 Agent / Inference / Infra

[Jerry Fang @Jerry_fsy]

做AI Agent已经半年了，从最初的懵懂到现在可以交付生产级的Agent。在这个过程中，对Agent的理解逐渐加深。
现在回看，对Agent理解的一个转折点是在微信公众号上看了不少“三元同学”写的文章，逐渐对上下文等概念有了清晰的理解。后来，买了她在Sitor上面的课程，系统学习了Agent。在这些基础打牢后，现在吸收理解包括AI Inference，Agent评测这些知识就更容易了，也是体会一把知识的飞轮。
如果大家对AI Agent感兴趣，可以在公众号上关注“三元同学”，下面附一些我感觉不错的文章：
1.https://t.co/lyQvMMSkCO
2. https://t.co/mbDgtYDhMQ
3. https://t.co/UJDZD9VPdr

对AI感兴趣的朋友可以多交流交流。

[Jerry Fang @Jerry_fsy]

@yifanxu_ephai @xudaoai 今天用DimAgent + DeepSeek V4.1分析，感觉效果不错的，速度快，效果也还可以

[Jerry Fang @Jerry_fsy]

@imwritingbugs @vxkbo GPT有10x了吗

[Jerry Fang @Jerry_fsy]

@yifanxu_ephai Agent系统追溯Agent之前回答的和专家认为的正确答案之间的偏差，想追溯的话，也需要一个这样的workspace。

[Jerry Fang @Jerry_fsy]

今天还发现你说的workspace非常重要的两个原因，1.在LLM-as-Judge做评测的时候，eval可以看到workspace的环境，可以减少一些eval认为被评测的agent看着瞎猜，实际是根据workspace做的合理推断的情况；2.在https://t.co/nfNRNyndkH 中提到Meta推荐的Agent自我进化，涉及到专家纠正完错误后，Agent追溯原因。

[美研芒格君 @Kay2289123]

最近有很多关于 RSI（Recursive Self-Improvement，递归自我改进）的讨论，也让大家开始担心，AI 会不会不断升级自己，最后超出人的控制

我周末集中看了一批 RSI 2026 年的论文和公开项目，想把几个问题讲清楚：现在到底发展到了哪一步，业界 popular 的讨论是什么，以及我们普通人能怎么用。最后我会给大家一个可以用来直接给 AI 实现初步 RSI 的 Prompt

这次按方向来聊，论文和项目放在对应段落，大家可以收藏下来慢慢看

1/ 先分清楚，大家说的“自我改进”，有三件不同的事
第一件，AI 根据反馈，把当前任务再做一遍。

第二件，它把有效经验、工具或工作流程留下来，下一次任务也能用上。

第三件，它进一步改进“下一轮怎么学习、怎么做实验、怎么选方案”这套方法。

越往后，接手的研发决策越多。9 月 10 日发表的的《The Last AI Built by Humans》把这些自主范围拆成了执行、策略、经验获取、环境适应和元改进几层，适合当阅读地图 https://t.co/aOWmBcFure

2/ 今年一条很密集方向研究线，是让 AI 改自己的 Harness

Harness 可以理解为模型周围那套实际干活的系统：读哪些文件、给模型看什么上下文、怎么调用工具、失败后怎么恢复、什么时候算完成。

今年 3 月的 Meta-Harness，6 月首发、8 月更新的 Self-Harness，以及 7 月底的 DarwinX （Salesforce），都在研究怎样把这套系统交给自动实验来优化

3/ 另一条已经出现企业内部应用的路线，是把人的纠错变成持久经验

今年 1 月的 MemRL，把经验和“这条经验实际有多管用”一起保存。下次先找相关经验，再根据使用效果挑选，而不只是找文字最相似的记录
https://t.co/kJ8zPuFy4G

到了 9 月 2 日，Meta 公开了一个更贴近日常工作的内部案例：专家纠正 Agent 后，系统会判断错误来自知识缺口还是处理流程，把纠错转成文件修改，重放原来的问题、跑回归测试，再交专家审核。

通过后，这次失败还会进入以后的测试集。这是 Meta 在特定专业领域的内部实践
https://t.co/YRgKSDa7So

对我们普通用户来说，这一条就很有用了, 人的一次纠错，开始有机会变成后续任务都能使用的改进

回到关键问题，我觉得今年这些工作的共同价值，是让我们开始认真维护一个会积累经验的系统。所以我们现在可以怎么用？

篇幅有限，我把一个我们都能用上的效仿 RSI 的基础 prompt 放在评论区里，

我最近也在观察，每次任务留下什么，每次纠错改到哪里，下一次能否因此做得更好，这些都已经可以在自己的工作里动手验证了。

为了防杠，我得说明一下：这三个方向只是工程向的，硅谷大佬们担心的更多是研究向的内容。

这些内容比较硬核，研究向 RSI我会在后面帖子里单独去聊

[Jerry Fang @Jerry_fsy]

@tylerzhu465061 请问大佬之前就是做供应链相关的吗

[Jerry Fang @Jerry_fsy]

@rwayne 降智有点严重，但是今天发现把自动压缩改到160K，好像智力正常点，大家可以试试

[Jerry Fang @Jerry_fsy]

@chasen_liao @coder_left 打算这周试试，部署开源模型试一试

[Jerry Fang @Jerry_fsy]

@klarkxy01 @chasen_liao 理解理解

[Jerry Fang @Jerry_fsy]

@chasen_liao @chuhaiqu @WeiYipei 感觉软件出海才是王道，toB比toC 好

[Jerry Fang @Jerry_fsy]

@klarkxy01 @chasen_liao 是不是等效于用新开的线程去总结旧的线程？

[Jerry Fang @Jerry_fsy]

@yifanxu_ephai 加油，一起成长

[Jerry Fang @Jerry_fsy]

@chasen_liao 我也是在学习和构建吧ing

[Jerry Fang @Jerry_fsy]

今天刚和@chasen_liao 大佬讨论用jev做agent评测可能不错：便宜，快，效果稳定

[Harrison Chase @hwchase17]

"jev as a judge"

cheap and fast semantic verifiers! great for evals - especially online evals where you want to grade LOTS of traces

[Jerry Fang @Jerry_fsy]

@tylerzhu465061 加强GEO，让ChatGPT更多推荐吧

[Jerry Fang @Jerry_fsy]

@GoSailGlobal 打算把这类模型试试用于agent评测中的LLM-as-Judge，听说评价稳定性比较高

[Jerry Fang @Jerry_fsy]

@chasen_liao @grok 貌似可以

[Jerry Fang @Jerry_fsy]

@chasen_liao @grok Jev适合做agent评测的LLM-as-Judge吗？

[Jerry Fang @Jerry_fsy]

@chasen_liao "分类、打分、筛选、检查回复是否答题，这些任务交给 Jev。"，想问一下，Jev适合做agent评测的LLM-as-Judge吗？

[Jerry Fang @Jerry_fsy]

我也要增强自己的推文组织能力。
年少不知语言的重要性，现在补上

[Marc Lou @marclou]

@martindonadieu I never said you're an idiot!

But I did say you could get more attention if you structured your thoughts better.

And I don't think the poll answers will get you acurate data :)

[雨夹雪❄️ @mizorewww]

介绍比Jev快50倍，在你设备上跑的laya-mlx!

只在你的设备上占用最高1G内存

Laya是一个开源的类似于Jev的,基于文本输出概率的分类系统

我将其移植到MLX,并且做了一些性能优化!

视频中就是这个模型在我的本地M3Max上玩贪吃蛇

这个模型能够以每秒决策60次的速度玩贪吃蛇！

https://t.co/31KGUiNunb