💡
原文英文，约600词，阅读约需3分钟。
📝
内容提要
在QCon AI NY 2025上，LinkedIn工程师介绍了一个支持AI代理的内部平台，强调将AI代理视为参与者而非工具。该平台通过结构化规范将人类意图与机器执行分离，减少模糊性，确保代理行为一致和安全。核心是管理代理执行的编排层，允许代理在有限环境中自由行动，但关键决策需人类批准。演讲者指出，许多代理失败源于缺乏上下文，因此上下文工程比模型选择更为重要。
🎯
关键要点
- 在QCon AI NY 2025上，LinkedIn工程师介绍了一个支持AI代理的内部平台，强调将AI代理视为参与者而非工具。
- 该平台通过结构化规范将人类意图与机器执行分离，减少模糊性，确保代理行为一致和安全。
- 核心是管理代理执行的编排层，允许代理在有限环境中自由行动，但关键决策需人类批准。
- 演讲者指出，许多代理失败源于缺乏上下文，因此上下文工程比模型选择更为重要。
- 编排层使得在概率系统中实现确定性和可重复性，避免了各团队间脆弱的代理实现。
- 代理在有限环境中自由行动，但不可逆的操作需人类干预，以保持人类的责任感。
- 系统集成了人类参与，通过明确的检查点而非持续监督来实现。
- 演讲者警告不要默认使用自定义训练模型，建议先评估是否需要推理。
- 讨论了多个基于该平台的生产代理，包括异步翻译规范为拉取请求的背景编码代理和允许查询数据的分析代理。
- 开发者可以通过InfoQ播客了解更多关于平台工程的信息，视频也将很快发布。
❓
延伸问答
LinkedIn的AI平台如何处理人类意图与机器执行的关系？
LinkedIn的AI平台通过结构化规范将人类意图与机器执行分离，减少模糊性，确保代理行为一致和安全。
在LinkedIn的AI平台中，代理的执行是如何管理的？
代理的执行通过一个编排层进行管理，该层允许代理在有限环境中自由行动，但关键决策需人类批准。
为什么上下文工程比模型选择更重要？
演讲者指出，许多代理失败源于缺乏上下文，因此上下文工程被认为是更关键的投资。
LinkedIn的AI平台如何确保代理的安全性和一致性？
平台通过结构化规范和明确的检查点来确保代理的安全性和一致性，避免了模糊性导致的不安全行为。
在LinkedIn的AI平台中，代理的自主性和权威性有什么区别？
代理在有限环境中可以自由行动，但不可逆的操作需人类干预，以保持人类的责任感。
LinkedIn的AI平台有哪些实际应用案例？
平台上有多个生产代理，包括异步翻译规范的背景编码代理和允许查询数据的分析代理。
➡️
