用好Agent的下一站，是高质量知识库

最近在Skill迭代和Agent优化中，我有一个很明显的体感：知识库又一次成为AI能否表现得更智能的卡点。一套高质量的语料库沉淀合集，能够让Skill和Agent优化的更快，作业效果更好。我在优化整套Coding Skill时，这个感受特别明显。为了让 Codex 把这些Skills打包成插件并做一次整体优化，我需要先汇总现有Skill的实际使用情况，把大量的历史Session打包、自己对需求的理解、各类判断和校核方法，还有外部的优质Coding使用方法，整理成一套知识库，再交给Codex通过插件功能进行整体优化。迭代了5个版本后，我深感了知识库的重要性，每次我想跟AI讲一个Bad Case让它去优化某一个点的时候，我发现那个Session我没存下来，我只能尝试通过大量上下文投喂它，让它理解我想表达的意思。在TDD流程中我找了一些不错的技术分享文章，让AI一点点蒸馏到已有的Skill里，整个开发流程里之前一直被忽略的开发Skill，会通过测试用例的红灯先行逻辑进行补齐，然后再让AI去进行开发，这样能够进一步降低AI的bug率，以及避免它自己写的过程中增加过多功能出来。我觉得到Skill迭代和Agent优化到后面，费力的已经不只是写流程，而是找知识、筛知识和组织知识。我最近还有一个习惯，会让AI和我一起讨论：当前要跟进的业务，最重要的三件事是什么？一开始我只给它一点资料，主要靠自己口头描述。得到的分析看起来合理，但总会缺少一些关键信息，于是我开始疯狂给AI补齐上下文，但我发现很多历史内容我自己记录的也不太好，我好像没有一个好的记录习惯。于是我找同事要了一份她记录的比较详细的客户知识库，把客户背景、历史沟通和各种关联信息一起交给AI，发现AI筛选出来的事情可以更加落地很多。它可以把连续几个月的信息抽取汇总出来组成一个轴线，然后给到我对应的建议，我再基于这个轴线继续投喂上下文，然后AI沉淀成一个知识库，最终和我讨论出一个对我很有启发的结果。同时我也对一些信息进行了公开数据源检索和私有信息源数据的投喂，发现真正高质量的数据和语料，基本上都不在公开网络上，公网上的数据质量更多是滞后1年的数据，对当下的判断价值不高。这两件事情让我更加深刻的理解了：优质信息对于结果的重要性。人在Agent时代一个要做的事情是把这些垂类 Know How变成AI能检索、理解和复用的知识库。未来不同Skill和Agent之间的作业效果，必然会在知识库这个维度拉开巨大差距。