主要观点总结
本文介绍了Replit公司构建和扩展其智能体系统Replit Agent的经验和教训，包括明确目标用户、识别智能体的运行轨迹、评估智能体的价值、陡峭的学习曲线等问题。文章由InfoQ翻译整理。
关键观点总结
关键观点1: 明确目标用户，理解需求并优化产品，提供有价值的服务。
Replit公司认识到，为了提供真正有价值的服务，需要明确目标用户，理解他们的需求，并据此优化产品。不同用户群体的需求差异很大，因此要为所有用户提供统一的解决方案是非常困难的。优化一个用户群体的体验，可能会使另一群体的体验变差。因此，需要密切关注用户反馈，通过一些策略来识别用户的需求，并根据需求调整智能体的功能。
关键观点2: 密切关注智能体的运行轨迹。
智能体会以非常奇怪、难以察觉的方式失败，并且会不知疲倦地尝试解决任何问题。因此，需要密切关注智能体的运行轨迹，使用诸如Langsmith等工具来监控这些轨迹。此外，还需要在应用中构建策略来专门识别这些失败案例。
关键观点3: 评估是长期的投资。
评估智能体是一项长期的投资，虽然构建和运行评估资源消耗很大，但它们所带来的价值是不可复制的。评估可以帮助了解智能体的优势和劣势，在新模型发布之前收集反馈。因此，应该重视评估工作，将其作为长期发展的一个重要环节。
关键观点4: 大型语言模型（LLMs）的学习曲线陡峭。
负责构建智能体基础设施的团队在面临大型语言模型时，面临一个陡峭的学习曲线。他们需要尽快帮助工程师提升技能，发展出非常好的直觉。为了有效地构建这些智能体工具，唯一的办法就是培养这种直觉，这是一个困难但必要的过程。
文章预览
作者 | James Austin
编译 | 傅宇琪 “目标是赋能下十亿个软件开发者”，这是目前拥有约 3000 万注册用户的在线集成开发环境 (IDE)、代码协作平台和云服务提供商 Replit 的野心。去年九月，Replit 公司推出了 Replit Agent ，这是一个完全自动化的代码智能体工具，旨在帮助任何人从零开始构建软件。 很少有公司能够像 Replit 一样推出如此大规模的智能体，但规模化也带来了挑战。那么，Replit 是如何构建并扩展其智能体系统，以及如何在几乎一夜之间将近一半的工程团队卷入其中呢？ 最近，Replit AI 团队的高级软件工程师、Replit Agent 的核心贡献者之一 James Austin 在 MLOps 社区的一场直播中分享了他在构建 Replit Agent 中得到的经验教训。基于该直播视频，InfoQ 进行了部分增删。 核心观点如下： 明确你的目标用户，理解他们的需求，并据此优化产品，才能真
………………………………
