为什么AI工程正在走向Agent工程:swyx的行业分水岭判断
在这场看似轻松却信息密度极高的演讲中,swyx给出了一个清晰信号:AI工程正在从“调用模型”迈向“构建Agent”。这不仅是技术能力成熟的结果,更是一场关于身份、方法论和产业方向的转变。
在这场看似轻松却信息密度极高的演讲中,swyx给出了一个清晰信号:AI工程正在从“调用模型”迈向“构建Agent”。这不仅是技术能力成熟的结果,更是一场关于身份、方法论和产业方向的转变。
这不是一场教你用框架的Agent演讲,而是一位工程师带你从最原始的循环、判断和工具调用开始,亲手“跑起来、弄坏它”,直到真正理解Agent为何会像一个能自主行动的系统。
在这期Y Combinator访谈中,Perplexity CEO Aravind Srinivas回顾了公司从一次次失败实验走到AI搜索的过程。他分享了一个反直觉的判断:Perplexity的目标并非“杀死Google”,而是用更聪明的方式,帮助用户问出他们原本不会问的问题。
Pinterest搜索团队分享了他们将大语言模型引入搜索排序的完整实践:从相关性建模、内容标注,到用知识蒸馏解决规模与成本问题。这是一套已经在线服务数十亿搜索请求的真实系统,而不是实验室原型。
这场来自 Instacart 搜索与机器学习团队的分享,讲述了他们如何在真实、高复杂度的杂货电商场景中引入大语言模型,解决传统搜索在冷启动、长尾查询和商品发现上的结构性难题,并在工程约束下找到可落地的平衡点。
这场演讲讲述了YouTube团队如何尝试让Gemini真正理解YouTube世界,并将大语言模型用于视频推荐与检索。核心不在于炫技,而是在规模、约束和产品现实下,重新思考LLM能做什么、不能做什么。