Peter Yang/2026年7月12日

如何构建能自我检查的AI Agent | Jared Zoneraich

AI Agent自检工具优化云端AgentCognitionDevin

中文导读

Cognition公司驻场工程师Jared Zoneraich分享构建AI Agent的实用经验：团队常过度构建首个Agent，而简单提示、更好工具和自检机制的组合更有效。他演示了管理Agent如何分解任务、指挥10个云端Agent并决定人类审核点。

核心观点

1.团队常过度构建首个AI Agent，应从简单提示和工具入手。（约 2:50）

2.工具比更好的提示更重要，应优先优化工具。（约 3:16）

3.在发布后再构建评估（evals），避免过早优化。（约 10:51）

4.云端Agent能执行本地Agent无法完成的任务，如大规模并行操作。（约 16:06）

5.Agent应能自检工作，在人类审核前证明其输出正确性。（约 20:30）

中文精读

在AI Agent构建热潮中，许多团队容易陷入过度设计的陷阱。Jared Zoneraich指出，首个Agent应保持简单：用基础提示词和现有工具，让模型先“烹饪”再添加规则。他强调工具质量比提示词优化更关键，因为好的工具能自动约束模型行为。

关于评估，Jared建议在Agent上线后再构建测试集，因为初期需求变化快，过早评估会浪费精力。他展示了云端Agent的优势：可并行启动10个实例处理子任务，而本地Agent受限于资源。

核心亮点是自检机制：Agent在提交结果前会生成验证报告，例如用代码执行结果证明计算正确性。这减少了人类审核负担，让开发者只关注关键决策点。

对于中文AI从业者，Jared的“简单优先”理念极具参考价值。国内团队常追求复杂架构，但实际效果未必优于精心设计的简单流程。云端Agent的并行能力也适合处理大规模数据处理场景。

最后，Jared演示了管理Agent如何将任务拆解并分配给10个云端Agent，自动汇总结果并标记需人工复核的部分。这种“Agent管理Agent”的模式为复杂任务自动化提供了新思路。