有人嫌 agentic engineering 的书太长,自己写了个手机可读的短版
Gappy 用模型查询写技术笔记,放出一份关于 agentic engineering 的短书。数学密度比网上大多数材料高,讨论区有人提醒:模型互审容易一起错。
Gappy(Giuseppe Paleologo)嫌市面上的 agentic engineering 书太长,自己动手写了个短版。他把这份技术笔记放在 Google Drive 上,免费可读,目标很直接:短到能在手机上翻完,数学密度比网上大多数材料高。
agentic engineering 指的是围绕能规划、调用工具、在多步任务里迭代的 AI 系统做工程。这个词最近被厂商博客和长视频包得很厚,真能落到纸面上的短材料不多。Gappy 在帖子里说,他习惯用 Astra 或 Fable 查询来“写”技术笔记,大部分和金融有关,也有几篇 AI。他喜欢 F. Fleuret 那本免费的《The little book of Deep Learning》,想照着那个路子写 agentic engineering:短、手机可读、不绕弯。
他承认这份东西还没完全到位,但已经可读。数学多,是因为书反映他的口味。他把数学称作 Great Compressor,能压缩的东西才值得写短。另一个好处是省时间:读者翻几页就知道自己能不能从中拿到价值,不用先投入几个小时。他说自己不想占用别人的注意力,但如果这件事能帮到人,浪费时间的感觉会好一点。
链接在这里:
Google Drive
讨论区比正文还诚实。Macci X 说,写作原本捆绑了两件事:生产笔记,以及判断它值不值得留下。用模型查询只替换了第一件。Theory 提醒,两个乐于互相认同的模型互相审稿,会很快收敛到共同错误,除非其中一个只因为找出反例而获得奖励。生晓bai 的说法接近:模型间辩论有用,直到双方自信地继承同一个坏前提。Gappy 回复说不太可能,他一直在编辑模型的输出。
Zhangir Azerbayev 觉得这份材料还不够一般化,认为 agent 是 POMDP 策略,也许连 R 都可以去掉。Kuldeep Pisda 则说,Fleuret 那种短而数学的材料正是 agentic engineering 缺的,现在网上多是厂商博客和小时级视频。也有人追问配套 Python 文件和 README,帖子里没给答案。还有人问是不是真手写,并说自己得花几个月才能看一遍。
这些反馈里最有用的一条,可能是对“用模型写书”的祛魅。模型可以帮你生产段落,但判断哪些段落值得保留、哪些前提一开始就错了,仍然要人来做。短书的价值也在这里:覆盖不了多少东西,但能尽快暴露作者的品味和判断。读得下去就继续,读不下去就关掉。对一份免费笔记来说,这个交易不算差。
发布时间: 2026-11-16 04:28