智能体机器学习系统
《机器学习系统》第三卷：智能体机器学习系统。介绍如何构建、度量、改进并扩展围绕基础模型的完整系统，使受委派的任务得到经验证的结果。
这是一份正在持续修订的草稿。 智能体机器学习系统将模型推理转化为一个有状态的控制循环，执行观察、决策、行动、验证和适应。工程设计的核心单元是受管理的轨迹，而非孤立的请求。
本卷按照依赖关系所规定的顺序构建智能体系统，依次涵盖模型、记忆、工具、运行时、测量、学习和规模扩展，并将尚无定论的机制视为开放的设计问题，而非固定教条。
欢迎阅读修订后的简体中文版。
你将学到什么
本书首先通过引言定义智能体系统及其工作单元——轨迹，并介绍智能体在单次模型调用之外引入的三类风险敞口：执行跨度、状态和权限。随后，七个部分依次构建这一系统：
- 第一部分：模型通过单次调用研究基础模型，考察它读取什么、返回什么、成本如何，以及何时为一次决策投入更多推理计算能够增强其证据支撑。
- 第二部分：智能体记忆通过上下文工程、KV 缓存管理以及结合检索的长期记忆，管控状态风险敞口。
- 第三部分：工具使用通过确保每项作用恰好落实一次的工具调用，以及隔离其背后代码的沙箱，管控权限风险敞口。
- 第四部分：智能体运行时通过智能体运行框架、持久执行和故障恢复，管控执行跨度风险敞口，并以智能体评估收尾，因为任何系统都应先能被衡量，再接受训练。
- 第五部分：从轨迹中学习通过轨迹整理、轨迹微调和可验证奖励强化学习来改变模型。
- 第六部分：规模化智能体通过多智能体协同放大上述三类风险敞口，并在智能体经济学中按每个获验收任务核算系统成本。
- 第七部分：综合让一条轨迹贯穿所有部分，最后讨论规格说明的边界，即仍需由工程师承担的工作。