斯坦福 CS 329Z 第 9 讲：Agent 系统优化方法选型图

该条目介绍斯坦福 CS 329Z《Engineering AI Agents》第 9 讲提出的 Agent 系统优化选型思路，关注价值在于它把优化顺序从单纯追求模型能力，转向先检查数据、系统和评估指标是否完备。

• 该方法将提示词和 few-shot 等上下文层面的调整视为较低成本的优先选项。
• 当上下文优化不足以解决问题时，再考虑修改模型权重，意味着训练和微调应建立在明确的失败样本与评估结果之上。
• 这种分层思路有助于区分提示设计、工具调用、记忆管理、评测体系和模型本身造成的性能问题。
• 优化效果仍取决于任务是否稳定、评估指标是否能反映真实目标，以及改动能否在不同场景中复现。
• 影响/看点：如果该选型框架被团队采用，Agent 工程可能更强调可测量的诊断和渐进式优化；它的实际价值取决于数据质量、评估闭环和系统约束，而不是优化顺序本身。
• 资料依据:
• X：邵猛（2026-10-22）：相关帖子 https://x.com/shao__meng/status/2113105750818164882

本内容由 AI 生成，仅供参考，请注意甄别