Salesforce Agentforce Vibes 2.0：解决AI代理的“上下文过载”难题
当初创企业融资平台VentureCrowd开始部署AI编码代理时，他们和其他企业一样看到了显著成果：在某些项目中，前端开发周期缩短了90%。然而，这一过程并非一帆风顺，经历了大量试错。
VentureCrowd面临的首要挑战是数据与上下文质量。首席产品官迭戈·莫霍恩（Diego Mogollon）告诉VentureBeat：“代理会根据运行时能访问到的数据进行推理，并因仅依赖给定上下文而自信地给出错误答案。”
他们的另一个障碍与其他企业类似：混乱的数据和不清晰的流程。莫霍恩表示，编码代理会放大不良数据，因此公司必须先构建结构化的代码库。“挑战很少来自编码代理本身，而是围绕它们的一切，”他说，“这是一个伪装成AI问题的上下文问题，是我跨代理实施中看到的首要失败模式。”
VentureCrowd在重构软件开发中遇到的多重障碍，反映了AI代理开发中的普遍问题。并非模型让代理失败，而是代理同时被过多上下文和工具压垮。
过多的上下文
这源于一种被称为“上下文膨胀”的现象：随着工作流变得复杂，AI系统会积累越来越多的数据、工具或指令。问题在于，代理需要上下文才能更好地工作，但过多的上下文会产生噪音。代理需要筛选的上下文越多，消耗的token就越多，工作效率降低，成本也随之增加。
缓解上下文膨胀的一种方法是“上下文工程”。上下文工程帮助代理理解代码变更或拉取请求，并将其与任务对齐。然而，上下文工程往往成为外部任务，而非内置功能。
关注微信号：智享开源 关注微博：IMCN开源资讯网 ，可及时获取信息
评论列表
发表评论
为你推荐
[blog_mailer_subscribe]
关注微信
还没有任何评论，你来说两句吧！