我相信我的智能体告诉我的一切：三层审查法——Corey Gallon，Rexmore

分享用独立对抗审查Agent做发现工作的方法

fofr 在 X 上列出一套做“发现类”工作的流程要点：让流水线能在盲测条件下复现已知结果，同时能拒绝已知的冒牌案例与仪器故障；不轻信自身结果，反复启动带有非诱导性提示的独立 Agent 做对抗式审查，并要求审查者从原始数据重新验证；每当审查发现问题，就尝试提炼成通用的技能或流程。适合用 AI Agent 做实验、数据探测或自动化研究工作的人关注。

你的冰箱也是合格的支付设备——Eleonora Drykina 与 Nina Žižakić，In The Pocket

Your Fridge Is a Valid Payment Device — Eleonora Drykina & Nina Žižakić, In The Pocket

这是一场技术演讲录像，两位讲者介绍为一家匿名比利时支付客户构建的 RAG 问答助手，其资料库约含 270 份 PDF、6000 页，关键信息大量存在于表格中。索引流程保留章节路径与分块顺序以便重建较长段落，并把表格转为 CSV 同时保留标题与取值的对应关系；稠密检索结合 BM25 使 63 个问题上的检索命中率从 92% 提升到 97%。服务端智能体可通过四种工具扩大检索范围，配有防止超长规则手册淹没上下文的限制，中位作答时间 38 秒，讲者还谈到流式 Markdown 与来源卡片分离、轨迹追踪、引用核查和 Promptfoo 评测，以及早期内部试用覆盖 34 名用户、约 900 个问题。

没有基准时如何测试 AI 代理——Air Canada 的 Nathanael Weill

How to Test AI Agents When No Benchmark Exists — Nathanael Weill, Air Canada

演讲者带领 Air Canada 的 AI 代理团队，面对任务过于具体、没有公开基准且领域专家无暇评分的问题，他的做法是“先写答案”：从已知答案出发生成输入，再看代理能否找回该答案。这使一个 RAG 项目从每周一次专家评分测试提升到每天数十次自动化测试；随后他把方法用于供应商合同审查代理，给出五种构建测试集的方式：过往决策、植入规则违规、删除条款、不应产生影响的变化，以及填空式合同模板。他还解释了为何在代码能校验答案时避免使用 LLM 评审。

构建智能体：何时把子智能体并入主智能体循环

Building agents: When to fold subagents into your main agent loop

这是 Anthropic Claude 平台的一篇开发者文章，讨论在什么情况下应减少子智能体、以及如何将它们迁移到主智能体循环中。文章介绍了子智能体的作用（验证、并行工作、模块化权限），并提到应用 AI 团队发现把路由器、规划器和领域子智能体并入主循环后，单一带技能的智能体在质量上常优于全提示设计和子智能体设计，且每任务成本与延迟往往更低。文中还提到配套的迁移工具包，含模式识别、方案评估和模拟系统演示。

不要让模型自己编造数字——Vinoo Ganesh，Kepler

Do Not Let Models Invent Numbers - Vinoo Ganesh, Kepler

Kepler 首席执行官 Vinoo Ganesh（此前任职于 Palantir 和 Citadel）介绍该公司架构如何让模型只引用数字而不写出数字：检索找到来源，确定性代码完成计算，后处理过滤器清除任何无法核实的数字。内容还涉及基于 3000 多万份 SEC 文件构建的引用登记库、在 turbopuffer 上的混合检索与重排序、租户隔离，以及普通 RAG 在其评测中产生大量错误数字的问题。