智能体优化介绍

什么是智能体优化

智能体优化是AgentArts平台提供的一套面向Agent全生命周期的持续改进服务。

构建一个Agent并不难，但让Agent在真实业务场景中稳定、准确、高效地运行，是开发者面临的真正挑战。Agent的问题往往不是单一的：

• 有时是工具描述歧义，导致模型选错工具或漏填必填参数。
• 有时是Skill执行逻辑问题，导致Agent在复杂流程中跑偏、过早终止任务或忽视上下文。
• 有时是模型问题，模型推理时间过长或者输出格式不遵守。

而更多时候，开发者甚至不清楚问题究竟出在哪里。

智能体优化正是为解决上述挑战而设计的。它提供了问题诊断、配置层优化和模型层训练三类能力，帮助您针对不同类型的问题选择最合适的优化手段，持续提升Agent在专属业务场景下的表现。

能力全景

智能体优化包含以下核心能力。

操作路径一：诊断 --> 配置层优化（轨迹分析 / 工具优化 / Skill 优化）

• 运行逻辑：通过分析Agent历史Trace发现问题，针对工具描述和Skill文档进行自动化优化。轨迹分析作为路径起点负责诊断归因，采样Trace数据进行分析（失效分析、意图分析、执行摘要），并将根因精准下探定位至具体的Session ID与Span ID级别（如定位到某Span调用工具时缺失必填参数）。工具优化与Skill优化作为执行层，既可由轨迹分析通过“智能优化”自动执行，也可独立手动创建。优化结果即时生效，无需训练模型。
• 适合场景：工具调用频繁失败（如参数缺漏、选错工具）；Agent任务流程跑偏、规避调用工具或过早终止；或尚不清楚表现不佳的根因需要先做诊断。

操作路径二：模型训练与部署 --> 模型层优化

• 运行逻辑：通过在线强化学习算法对模型参数进行端到端定向训练。模型优化将待训小模型置换入真实Agent环境中试错交互，由用户设定的评判规则对强化学习算法生成的多组回答进行对比打分与参数更新，从模型权重层面根治幻觉与格式缺陷，并阶段性保存“模型快照”，随后可选择合适的模型部署至Agent中。
• 适合场景：受限于推理成本或响应速度，无法使用更大尺寸的模型，希望通过训练让小模型在特定场景下达到大模型的效果；确认问题根因在于模型推理能力本身（如格式输出不稳定、逻辑推理跑偏、意图分类不准确、幻觉频发）。

接下来您可以：

• 轨迹分析：了解如何创建轨迹分析任务、查看根因归因并启动一键智能优化。
• 工具优化：了解如何手动配置工具优化任务及获取优化后的工具描述。
• Skill优化：了解如何针对Skill执行优化并获取新的Skill。
• 模型优化：了解数据集准备、奖惩机制配置、超参设置及训练监控。