红杉「Own Your Intelligence」专题 6：持续学习-AI 智能体如何越用越好

AI 智能体目前面临 “经验差距” 问题，即模型虽具备高智商，但在实际应用中缺乏持续学习能力。Arjun Karanam 提出通过构建持续学习平台，将智能体交互产生的 Token 转化为优化信号，实现系统随使用而进化。核心策略涵盖四个维度：通过全链路追踪捕获交互数据；将生产环境作为评测基准；利用 Harness 编排工具调用以提升灵活性；以及通过后训练持续改进模型权重。针对不同反馈，需建立分层处理机制，将全局性错误训练进模型，而将个性化偏好留存于上下文，从而在保障隐私与合规的前提下，实现智能体性能的指数级增长。