什么是模型优化

什么是模型优化

模型优化是AgentArts平台提供的一种基于强化学习算法的Agent优化服务。

在传统的Agent开发流程中，开发者只能通过不断地修改系统提示词（Prompt）或外挂知识库来改善效果。当您发现通过调整提示词无法进一步提升准确率，或者受限于成本和响应速度无法使用超大尺寸模型时，模型优化就是您的下一站。

您只需提供少量Agent运行的数据，对智能体或工作流中的大模型进行端到端的训练，通过自动化的“试错”与“反馈”机制，让模型在特定业务场景下学会更精准的推理与表达。

其核心机制是：将一个小尺寸模型置入您的Agent运行环境中，让模型针对您提供的业务问题反复试错作答，系统根据您定义的奖励规则自动打分，高分巩固、低分纠正，逐步让模型学会在专属场景下输出更精准的结果。详见模型优化的原理。

模型优化聚焦于Agent中模型的能力优化，当前可以对单智能体中的模型、工作流大模型节点/意图识别节点中的模型进行定向调优。

为什么需要模型优化

为什么要在复杂的Agent开发之外，再引入一套模型层面的优化机制？这主要为了解决开发者在真实业务落地时面临的成本、速度与准确率的三大痛点：

平衡成本与推理速度，以小博大：

• 现状痛点：通用大模型（如千亿参数级模型）虽然面面俱到、准确率高，但其推理成本极其昂贵，且响应延迟（首字时间）往往无法满足高并发的业务需求。
• 模型优化价值：模型优化功能专注于小尺寸模型进行专项训练。通过强化学习，可以让小模型在特定领域“单点突出”，这些小尺寸模型在您限定的Agent专属场景中，其表现可以无限逼近甚至超越同尺寸的大模型。以极低的推理成本和极快的响应速度，实现“小而美”的应用效果。

突破提示词工程准确率上限：

• 现状痛点：Prompt调优本质上是引导模型生成预期结果，难以修正模型深层的逻辑缺陷或幻觉行为。例如为了让模型输出完美的JSON格式，您在Prompt里写满了“绝对强制”、“必须遵守”、“请务必”，但通用模型依然会在某些时候“胡言乱语”或遗漏字段。
• 模型优化价值：模型优化不依赖人工编写的死板指令，而是通过“奖励机制”引导模型自主探索最优解。它能从数据中学习隐含的推理模式，从根本上修正模型的输出习惯，解决Prompt无法触及的深层逻辑问题。

优化对象的配置要求

创建优化任务时，平台会对所选的智能体或工作流进行校验。请确保您的优化对象满足以下要求：

单智能体

• 智能体可包含Prompt、知识库、插件、MCP等能力，平台支持在保留这些能力的前提下对其中的模型进行优化训练。
• 智能体中不能包含工作流。
• 智能体中配置的插件总数不能超过5个，MCP总数不能超过5个。

工作流

开始节点到被优化的大模型节点之间的路径上，不能存在需要用户交互的节点（如问答节点这种需要暂停等待用户输入的节点），否则训练过程无法自动运行。

如果工作流中存在循环结构（即节点之间形成回路），被优化的大模型节点不能位于循环路径中。

适用场景与边界

当您的Agent遇到以下瓶颈，且通过调整提示词、调整知识库、调整工具等手段依然无法有效解决，并确定是模型返回引入的问题后，可以使用模型优化功能：