探索 Agent 的聚焦模式

這週看到線上有人做的一個網站，整個站的思路有點意思。本質上是利用 AI agent 生成教程和課程。

思考了一下，這種形態的用戶群覆蓋點特別廣，符合自己對有"長期"產品的定義。

調研了一下，不禁感嘆 Agent 真的是能力無限啊。

聚焦模式

AI Agent 如果沒有限制回答方向，會產生很多無效的 token，所以需要聚焦。這是在研究 think 型 Agent 時瞭解到的，特別是大上下文的 LLM，雖然參數很多，但是如果信息定義不準確，回答也會特別發散。所謂："說得很對，但是沒什麼卵用。"

目前瞭解到的聚焦方式是，讓 Agent 成為提問者，讓 User 做裁決者來聚焦方向，利用 history 去補全信息的缺失部分。等待信息充足後，再讓 Agent 輸出內容，可以極大提高輸出準確度。

當你能把目標信息定位得越充足且越狹窄，它回答的應該越是你想要的。

為了讓信息快速聚焦，需要提出正確的問題。我讓 Claude 幫忙分析了一下這個問題，發現其實比較好的方式是先告訴 Agent 你希望輸出的內容是什麼，然後再提問，這樣能很好地提升聚焦速度。比如我的場景目標是：生成 7、14、21 天的課程目錄大綱。

我在用 Claude 輸出推薦 prompt 的時候發現有兩種約束。

第一種是：核心職責。除了說明自己的功能，增加一些約束，可以很好地固定目標。

第二種是：注意事項。在注意事項中，主要描述邊界，如：

還沒有想好如何回收數據。目前用的方法是轉成 code 模式，因為輸出 markdown 格式中 code 區是有特定符號包裹，可以提取出來進行解析。