Bloomberg如何把AI Agent真正规模化落地
这是一场来自彭博社AI工程负责人Anju Kambadur的实战分享。她没有停留在“Agent很有前途”的空谈,而是用彭博在真实金融场景中的产品经验,讲清楚什么是可落地的Agent、为什么必须是“半自动”、以及在高风险行业里,Agent规模化的真正难点。
这是一场来自彭博社AI工程负责人Anju Kambadur的实战分享。她没有停留在“Agent很有前途”的空谈,而是用彭博在真实金融场景中的产品经验,讲清楚什么是可落地的Agent、为什么必须是“半自动”、以及在高风险行业里,Agent规模化的真正难点。
当大多数公司直接接入现成AI工具时,Jane Street却选择了一条更难的路:围绕自研语言生态,从数据、训练到编辑器,重新打造AI开发工具链。这篇文章还原了他们如何在“模型不懂OCaml”的现实下,把大语言模型真正变成可用生产力。
YC访谈中,Notion Calendar前创始人Raphael分享了他从设计师到创业者的经历,并系统讲述了设计在创业早期的真正价值:不是美感,而是“如何运作、如何被构建”。这是一套专为创始人准备的设计思维升级指南。
这场来自Google DeepMind的分享,首次系统揭示了Gemini Deep Research背后的产品动机、UX权衡与技术挑战。它不只是“更慢但更长的回答”,而是一次试图让AI真正完成研究工作的实验。
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。
Ramp工程负责人Rahul Sengottuvelu用真实生产系统说明:在大模型时代,最该被优化的不是规则和代码,而是“能否随算力变强”的系统结构。这是一场关于Agent架构、工程取舍和未来软件形态的反直觉分享。
在AI能力指数级增长的2025年,真正可用的AI Agent却迟迟未落地。Lux Capital合伙人Grace Isford用一个订机票的失败案例,拆解了Agent系统中被忽视的“累积误差”,并给出了构建下一代AI Agent的五条现实路径。
Windsurf 的联合创始人 Kevin Hou 在这场演讲中,分享了一个激进但务实的判断:真正改变软件开发的,不是更聪明的补全,而是能主动协作的 AI Agent。本文提炼其关于 Agentic IDE、Vibe Coding 以及“规模化智能”的核心洞见。
Morgan Stanley 机器学习研究员 Will Brown 通过一个真实项目故事,解释了为什么仅靠更大的模型无法催生真正的 AI Agent,以及强化学习如何成为连接模型、工具与环境的关键工程方法。
这场工作坊围绕Model Context Protocol(MCP)展开,系统解释了为什么“上下文”正在成为AI应用的核心基础设施。演讲者不仅讲清了MCP要解决的问题,还通过构建Agent的全过程,展示了一种不同于传统Prompt工程的新范式。