导语:Agent从演示走向生产,卡点往往不在“能不能做”,而在“做得够不够快、够不够便宜”。开源项目Agnes给出的答案是双系统决策加双层自进化,并宣称在这一组合下效率最高提升14倍、成本最低降至1/27。
事件概览
据公开报道,Agent系统Agnes近期公布了其架构思路与实测口径:通过双系统决策机制与双层自进化机制配合,在部分任务上实现最高14倍的效率提升,同时把完成同等任务的成本压缩到原来的1/27。与结论一同放出的还有Agnes Harness,且已开源。对关注Agent落地的团队来说,Harness的开放比单个指标更值得注意——它意味着运行、调度与评测的脚手架可以被外部直接拿去复现和对照。
核心信息
双系统决策:让任务走不同的路径
“双系统”这一命名,通常指向快慢两条决策通路:一条负责低成本、低延迟的直答与常规动作,另一条负责需要多步推理、反复校验的复杂情形。放在Agent语境里,它要解决的是长期存在的浪费——并非所有请求都值得启动完整的多轮推理链路,大量简单任务若被塞进重流程,延迟与调用次数都会被无效放大。
由此带来的效率收益是可以理解的:把任务按难度分流,等于在系统层面做了一次“算力分配”。但分流本身的判定规则、误判后的回退成本、以及简单与复杂任务的边界如何界定,都会直接决定这套机制在真实业务中的表现。这些细节需要以开源代码和文档为准,而不是只看合并后的倍数结论。
双层自进化:两个时间尺度上的改进
“双层”暗示进化发生在两个不同粒度上,比较典型的划分是:单次任务内的即时调整,以及跨任务的策略沉淀。前者对应执行过程中根据反馈修正下一步动作,后者对应把反复出现的成功模式固化进流程、提示或调用策略中。两者叠加,才可能同时改善“这一单做得更好”和“以后都做得更好”。
需要区分的是,自进化带来的收益往往伴随额外开销:经验如何存储、如何避免错误经验被固化、更新频率多高才不至于拖慢主链路,都是工程上绕不开的问题。宣称的成本下降是否已经把自进化的维护成本计入,是判断这一数字含金量的关键。
成本与效率的两个数字
| 指标 | 公开口径 | 解读时需注意 |
|---|---|---|
| 效率 | 最高提升14倍 | “最高”对应最优任务,需看中位数与任务分布 |
| 成本 | 降至1/27 | 需明确是否含自进化与调度开销 |
| 开放性 | Agnes Harness已开源 | 提供了外部复现与横向对比的入口 |
把两个数字放在一起看,逻辑上并不矛盾:如果大部分请求被路由到轻量通路,token消耗与调用轮次会同步下降,成本降幅可能远大于延迟降幅。但倍数越大,越依赖基线选择——对照的是未做路由的朴素Agent,还是已经过调优的系统,结论差别很大。
影响与观察
对产业而言,这一方向的价值在于把Agent的竞争重心从“能力上限”拉回到“单位成本下的可用性”。企业在评估Agent时,真正决定能否规模化的是每次任务的平均开销与稳定性,而非某一次演示的效果。成本若能下降一个数量级,原本因经济性不成立而搁置的场景,会重新进入可行区间。
对技术路线而言,双系统决策本质上是推理资源的动态分配,双层自进化本质上是经验的复利。两者的共同前提是系统具备可靠的自我判断能力:判断错了,轻量通路会把难题做砸,错误经验也会被沉淀下来。因此后续值得关注三件事:开源Harness能否支撑第三方独立复现;在长尾、多步骤、工具调用密集的任务上,倍数是否依然成立;以及自进化在持续运行数月后,是收敛到稳定策略,还是出现退化。
效率数字决定传播广度,开源与可复现性决定这套方案能被多少人真正用起来。
结语
Agnes把双系统决策与双层自进化放在一起,并交出14倍效率、1/27成本这样的强口径,同时开源Agnes Harness,姿态是开放的。但对使用者来说,正确的动作不是直接采信倍数,而是拿Harness在自己的任务分布上跑一遍:看中位数、看失败率、看长期运行后的成本曲线。倍数只是起点,能否在自己的业务里复现,才是这套架构真正的考卷。
信息来源:量子位,查看原始信息。本文由 AI ONLINE 基于公开资料整理,信息可能随时间变化,请以官方发布为准。
