驾驭工程 101 — 智能体人工智能（Agentic AI）地毯下的秘密
在上一篇文章中，我们讨论了“从纯大型语言模型（LLM）到智能体人工智能（Agentic AI）”的七层架构。
这次让我们看看每一层内部是如何工作的——以及哪些地方可能出错。
当我们使用 Claude Code、Cursor 或 Hermes 时，我们看到的人工智能（AI）是按步骤工作的：
思考 → 调用工具 → 查看结果 → 继续思考 → 调用工具 → 完成
我们看不到的是途中所有可能出错的地方——并且有人（或代码）在不断处理这些错误。
这就是驾驭工程（Harness Engineering）——一门构建包裹大型语言模型（LLM）的“框架”的学科，它管理一切，使智能体能够在不完美的现实世界中真正运作。
1. 循环（The Loop）—— 驾驭工程的核心
这是每个智能体运行的循环：
while not done and budget_ok:
response = llm.chat(messages, tools)
if response.has_tool_calls():
for tool in response.tool_calls:
result = execute_tool(tool)
messages.append(result)
else:
return response.text
乍一看，这就像一个普通的 while 循环——但这里是一切可能出错的地方。
真实案例：当人工智能（AI）认为工具调用成功……但实际上并没有
有一次，我让 Hermes 在 LED 网站（泰国强制执行局的资产拍卖网站）上寻找公寓。
人工智能（AI）的计划是：进入网站 → 填写表单 → 点击提交 → 阅读结果。
人工智能（AI）调用了工具 browser_click(ref="submit_button") —— 工具返回“已点击”。
人工智能（AI）很高兴——“搞定！得到结果了”——然后试图从一个并未真正加载出来的页面读取结果。
发生了什么？ 工具返回“已点击”，但网页尚未完成提交——JavaScript 仍在运行，文档对象模型（DOM）尚未更改，验证码（CAPTCHA）尚未验证。
驾驭工程必须处理： 在 browser_click 之后，必须有 browser_snapshot 来确认网页确实发生了更改——如果页面未更改，则必须重试或改变策略。
这就是驾驭工程所做的——它不会立即相信工具调用，而是进行验证。
2. 令牌预算（Token Budget）—— 就像控制钱包里的钱
每次人工智能（AI）调用工具时，上下文窗口都会变长，因为需要存储：
[用户消息] → [助手工具调用] → [工具结果] → [助手工具调用] → [工具结果] → ...
如果人工智能（AI）运行 50 轮——上下文可能长达 10 万+ 令牌（tokens）。
问题：
- 💰 花钱——Claude Sonnet 输入价格为每百万令牌 3 美元 = 如果使用 10 万令牌，每次应用程序接口（API）调用就是 0.30 美元
- 🧠 大型语言模型（LLM）迷失方向
免责声明：本文内容来自互联网，该文观点不代表本站观点。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请到页面底部单击反馈，一经查实，本站将立刻删除。
