Aparna Dhinakaran 谈 AI 工程师现在做什么：不只写功能，要搭闭环 Aparna 这句话我记下来了，「AI 工程师的活，不再只是写一个 A… · @MaiYangAI · TwKit

@MaiYangAI

Aparna Dhinakaran 谈 AI 工程师现在做什么：不只写功能，要搭闭环 Aparna 这句话我记下来了，「AI 工程师的活，不再只是写一个 AI 功能，而是搭一个能写出这个功能的闭环。」代码审查、评测、看监控，她都把它们算进这个闭环，交给 agent 去跑。 她在 Arize 做的 Signal 是个现成的例子。遥测数据以后主要给 agent 读，可观测性数据本身就成了叫醒常驻 agent 的触发器，定时、Slack 里的用户抱怨、某个指标都能叫醒它。 设计上有一点很实在。状态全放在沙箱外的记忆里，沙箱或 harness 挂了，从失败那一步接着跑，跑完把沙箱拆掉、凭据删掉。 评测器那段最值得听。很多团队问她怎么信得过评测器，Arize 的做法是先建黄金标准数据集，拿人工结果核对，评判模型跟人意见一致了才发布新的评测器。她还提醒要连造 agent 的编程 agent 一起追踪，Claude Code、Cursor、Codex 都算。 在团队里搭 agent、又担心评测靠不住的工程师和带团队的人，15 分钟能听完。 视频脉络 0:00 开场：AI 工程师每年都在重新定义 0:42 Karpathy 的漏斗，你在哪一层 1:47 抽象越垒越高，走到 agent 工厂 2:24 从写功能到搭闭环 3:32 Signal，一个替你读 trace 的常驻 agent 4:46 遥测数据的读者换成了 agent 5:20 什么叫醒常驻 agent 6:02 一次运行里装了什么 7:13 跑完留下什么，拆掉什么 8:14 挂了也能接着跑 9:14 不绑模型，也不绑 harness 10:23 评测，以及怎么信得过评测器 12:49 连编程 agent 一起追踪 14:19 实验室和企业之间差在哪 金句摘录 2:36「AI 工程师的活，不再只是写一个 AI 功能，而是搭一个能写出这个功能的闭环。」 8:19「不管是沙箱挂了，还是 harness 挂了，它都不用半路从头再来，而是能从失败那一步接着跑。」 11:35「定义什么是『好』，对 AI 工程师来说变得极其重要。」 12:02「我们在自家产品上花大量时间做的，就是评测评测器。」 13:09「现在追踪一切，不只是追踪 agent，还要追踪造出它们的编程 agent。」 这个视频我们配好了中英双语字幕，原视频链接在回复里。

曝光 185 · 评论 5 · 点赞 2 · 书签 1