我为什么决定为 Web3 构建 100 多个 AI 智能体

📌 一句话摘要

文章提出了“DRYP”（不要重复你的提示）原则，将结构化的 AI “技能”视为模块化的工程产物，它们在性能上优于原始提示，并能实现分层智能体编排。

📝 详细摘要

作者探讨了一个拥有 100 多个 AI 智能体的系统的演变，认为其复杂性并非源于过度工程化，而是将重复的提示“重构”为可复用的“技能”。文章引入了“DRYP”（不要重复你的提示）原则，将软件工具函数与 AI 技能文件直接类比。它区分了“技能”（领域特定知识/程序）和“智能体”（运行时环境）。在 SkillsBench 研究的支持下，作者证明了 2-3 个专注的、人工策展的技能显著提升了模型性能，尤其是在 Web3/DeFi 等专业领域。文章最后展示了如何将这些技术产物转化为易于使用的业务工具，例如 Slack 机器人，从而让非技术用户也能利用专家级的 AI 能力。

💡 主要观点

- 将 DRYP（不要重复你的提示）原则应用于 AI 开发。 正如开发者提取工具函数以避免代码重复一样，他们也应该将重复的上下文和指令提取到结构化的“技能”文件中，以提高一致性并减少手动重复提示。

区分技能是产品，智能体是运行时环境。 技能是一个包含领域专业知识的预编译 Markdown 文件，而智能体仅仅是执行环境。这种转变将价值聚焦于策展的知识而非底层模型。

人工策展的、专注的技能优于自生成或宽泛的文档。 经验数据表明，2-3 个特定技能能提供最高的性能增益。相反，模型自行生成技能或被喂食“全面”文档的表现往往不如基线模型。

以分层树状结构组织智能体以管理系统复杂性。 与其并行运行 100 个智能体，不如使用用户直接交互的“内圈”技能，然后由这些技能将特定任务委托给层级深处的专业子智能体。

将技术技能产物转化为非工程师可用的业务工具。 通过将技能重构为模块化的、清晰的接口，例如 Slack 机器人，组织可以赋能非技术人员执行复杂任务，例如安全风险分析，而无需提示工程专业知识。

💬 文章金句

- 技能是产品。智能体只是运行时环境。

• 每个智能体都始于一个重复且解释成本高昂的提示……我开始将其称为 DRYP：不要重复你的提示。
• 自生成的技能弊大于利……人工策展是关键的差异化因素。
• 工程师使用技能可以节省自己的时间。非工程师使用技能则能做他们以前无法做到的事情。
• 技能是用英语编写的程序。它们遵循与代码相同的工程原则：模块化、复用、关注点分离、单一职责。

📊 文章信息

AI 评分：86

来源：HackerNoon

作者：John P

分类：人工智能

语言：英文

阅读时间：8 分钟

字数：1864

标签： AI 智能体, 提示工程, 软件工程原则, Web3, LLM 编排

阅读完整文章