检索质量：AI Agent 架构的核心瓶颈
深度The New Stack2026年7月10日8 分钟阅读
AI Agent 系统的失败往往被归咎于大模型能力不足，但真正的问题可能出在上下文构建环节。本文通过实际案例和系统分析，揭示了检索质量如何成为 Agent 架构的决定性挑战，并给出了从追踪到修复的完整方法论。
觉得有用？分享给更多人
相关文章
GitHub 将 Copilot 代码审查的代码探索工具替换为与 Copilot CLI 共享的 grep、glob、view 工具后，基准测试显示成本增加、效率下降。通过分析工具调用轨迹，团队将指令从“通用浏览”改为“锚定 diff、先 grep 和 glob 缩小范围、再用 view 精确读取”，最终实现约 20% 的成本降低。
深度GitHub·7月10日·8 分钟
Anthropic 推出 Reflection 功能，允许用户查看过去 1-12 个月的 Claude 使用摘要和模式。但工程领导者指出，该功能仅记录活动量而非产出质量，无法真正帮助判断何时该用 AI。他们更希望看到 AI 代码在生产中的实际影响，例如由 AI 生成的变更导致了多少次事故、需要多少人工审查等指标。
深度The New Stack·7月10日·4 分钟