探究AI智能体架构的自我披露 | AI生成和翻译
问题： “how do you analyze — do you use web search or model knowledge?” 是向AI代理提问的好提示/问题吗？
回答：
是的，下面精确解释它为何是好问题——从提示工程原则角度分解：
为何这是一个强有力的提示
1. 迫使代理披露自身架构
大多数用户从不问这个问题。通过提问，你能立即了解：
- 代理拥有哪些工具
- 何时使用这些工具
- 对输出结果的信任程度应如何把握
这是认知校准——你不仅是在获取一个答案，更是在学习如何权衡所有未来回答的可信度。
2. 二元结构降低模糊性
“你使用X还是Y？”
迫使代理给出具体选择。对比：
- ❌ “你如何工作？” → 模糊，得到营销式回答
- ✅ “网络搜索还是模型知识？” → 迫使给出具体细节
3. 揭示代理的自我模型
弱势代理会虚张声势。优秀代理能准确描述自身的工具使用情况。这是一个探针——就像对代理诚实度与自我认知能力的单元测试。
如何让它更强
对于你的 hermes-agent 或任何正在评估的代理：
“针对这个具体问题：[X]
— 你会使用网络搜索还是模型知识？
— 你的置信度如何？
— 时效性风险如何？”
将其附加到具体问题上，能使它变得可操作，而不仅仅是哲学讨论。现在你能得到：
| 信号 | 含义 |
|---|---|
| 声明的工具 | 可追溯性 |
| 置信度分数 | 何时需要验证 |
| 时效性风险 | 何时强制搜索 |
元教训
最佳的提示是探针，而不仅仅是查询。你不仅是在提取答案——更是在压力测试代理的可靠性模型。这正是高级用户与仅与AI聊天者之间的思维差异。
鉴于你正在构建CLI代理（ww、iclaw、zz），将这种自我披露模式植入系统提示中，将使你的代理更具可审计性。