知鸦日报2026-11-12

研发岗位正从技能分工走向端到端整合，AI把执行成本压至趋零，旧分工反而阻断AI复利。核心在于上下文连续沉淀与人的意图定义、最终验收。需警惕能力快感，以创造力与AI驾驭力锚定真实商业价值，避免制造无用功。

基于Google Research的harness²框架，我们让优化agent自动迭代执行agent的Prompt。在611条数据上迭代1轮，问题识别F1从82.78%提升至89.89%。核心在于拆分INV与DOM视角、依据执行证据合并、沉淀可复用经验，并适配了具有真值的打标任务。

画中画技术从本地静音文件方案演进为实时直播流转化方案，解决格式、时间戳、颜色空间三大难题。新方案降低黑屏率93%，CPU占用降31.7%，用户使用时长提升74%，为移动端PiP落地提供系统参考。

AI Agent的演进：从提示词工程、RAG、Harness到ReAct循环，构建能自主规划、调用工具、交付结果的数字员工。核心在于赋予AI自主性，通过工具、记忆、知识库与多智能体协作，并辅以工程实践应对稳定性、成本与安全挑战。

花房Agent落地行政OA，实现智能填单与辅助审核。填单复用历史数据并回读结果，审核先梳理资料范围再核对原文。模型分析材料，程序约束过程，每条意见附有依据。人工确认仍在原流程，效果回归日常操作验证。

压测智能分析Agent上线后，通过Langfuse记录Trace还原问题现场，用CLI Mock固定证据回测。沉淀排查经验为规则与知识，评测关注质量、延迟与成本，实现从用户反馈到治理闭环的持续打磨。