今天是2025年4月2日，星期三，北京，天气晴。
最近关于Agent的新闻不少，前有manus，后有智谱AutoGLM沉思，都引起了大家的关注。
这其实引出来一个观点，关于Agent研发重心。文章(https://mp.weixin.qq.com/s/2gF8eEDOF5oBKMBUxnXc9g)中，认为Agent发展要”模型进，工程退“，强调最终智能体应用会回归以模型为核心的结构，而非像Manus这样的工程化解决方案；也就是坚持”反共识”观点，坚持预训练大模型的重要性，认为它是大模型推理能力的天花板，即使当前行业关注度不高。
这个观点，是认同的，但其是从根上讲的，而不从快速变现角度上说的。如果是要快速变现，那么就在工程上做优化，做雕花。如果要从根上解决问题，那就老老实实地去优化大模型本身。
因此，我们来看一个工作，DeeResearch用在Github场景的实现，通过设置一个较长链路的解决方案，来辅助找到GitHub上最佳仓库的深度研究Agent。
另外就是，既然说到要做“模型进，工程退”，那么就需要知道如何做模型优化，因此，我们来看看一个实现的技术总结。
抓住根本问题，做根因，专题化，体系化，会有更多深度思考。大家一起加油。
一、DeeResearch用在Github场景的实现拆解
DeeResearch这类用在github场景，就变成了DeepGit，用于辅助找到GitHub上最佳仓库的深度研究Agent，https://github.com/zamalali/DeepGit，是个编排好的流程。
可以看下最终效果：
工作流程图下，当用户输入query时，
经历以下步骤：
1、查询转换（QueryConversion）
将用户的原始查询通过LLM转换为冒号分隔的搜索标签，输出转换后的查询标签。模块在tools/convert_query.py
2、代码库摄取（RepositoryIngestion），根据搜索标签从GitHub检索仓库。
使用GitHubAPI（异步调用，通过 httpx.AsyncClient）获取代码库的元数据和文档。具体执行时，先获取README和其他Markdown文件，然后将内容合并为每个代码库的combined_doc，最终输出代码库的元数据和文档内容，填充到填充 state.repositories。模块在tools/github.py，
3、神经密集检索（NeuralDenseRetrieval），计算用户查询与仓库文档之间的语义相似性。
使用SentenceTransformer对代码库文档进行编码，并通过FAISS计算与查询的语义相似度。具体执行时，先标准化嵌入向量，然后根据语义相似度返回候选代码库的排序列表。最后输出基于语义相似度的候选代码库列表（state.semantic_ranked）。模块在tools/dense_retrieval.py，
4、交叉编码器重排序（Cross-EncoderRe-Ranking），通过将完整的Markdown文档与查询进行比较，进一步优化排名
通过比较用户查询与每个代码库的完整Markdown文档，对候选代码库进行重排序。具体实现上，对于短文档，直接对全文进行评分。对于长文档，将其分割成可配置大小的块（块大小和最大长度可配置），并对每个块进行评分。使用最高分数作为仓库的最终交叉编码器分数。最终输出重排序后的候选代码库列表。模块在tools/cross_encoder_reranking.py。
5、阈值过滤（ThresholdFiltering），过滤掉不符合质量阈值的仓库。
具体根据某些阈值（如最小星数、交叉编码器分数等）过滤不符合要求的代码库，最终输出过滤后的候选代码库列表。模块在tools/filtering.py，
6、决策制定（DecisionMaker），根据查询和代码库数量，决定是否运行代码质量分析
最终输出是否进行代码质量分析的决策。使用LLM 提示评估用户的查询和仓库数量，输出一个决策（1 表示运行分析，0 表示跳过）。模块在tools/decision_maker.py，
7、代码库活动分析（RepositoryActivityAnalysis），评估仓库的活跃度水平
根据拉取请求、提交记录和未解决问题等因素，计算代码库的活跃度分数。输出代码库的活跃度分数。模块在tools/activity_analysis.py
8、代码质量分析（CodeQualityAnalysis），如果需要，评估代码质量。
本地克隆仓库，运行flake8 计算风格错误数量，并基于每个文件的问题数量计算分数。模块在tools/code_quality.py
9、合并分析（MergeAnalysis），合并活跃度和代码质量分析的结果
根据仓库的完整名称合并候选仓库，将活动分析和代码质量分析的结果合并。最终输出综合分析结果。模块在tools/merge_analysis.py
10、多因素排序（Multi-FactorRanking），通过结合各种指标计算最终排名分数
对语义相似性、交叉编码器、活跃度、代码质量和星标数量的分数进行归一化，应用预定义的权重。最终生成一个按最终分数排序的state.final_ranked列表，输出最终排序的代码库列表。模块在tools/ranking.py
11、输出呈现（OutputPresentation）， 格式化并显示最终排名的仓库
构建一个包含顶级排名仓库详细信息的字符串输出，在state.final_results中返回最终结果，模块在tools/output_presentation.py
所以，流程图连接关系顺下来就是：
查询转换→代码库摄取→神经密集检索→交叉编码器重排序→阈值过滤→决策制定→代码库活动分析→代码质量分析（条件执行）→合并分析→多因素排序→输出呈现→结束。
这个agent其实更像是一个taskflow，但这流程设计的很不错。
二、Agent性能优化技术总结
关于Agent性能优化技术的总结，我们可以看《A Survey on the Optimization of Large Language Model-based Agents》(https://arxiv.org/pdf/2503.12434，https://github.com/YoungDubbyDu/LLM-Agent-Optimization)，对基于LLMs的Agent优化方法的全面综述，系统地分类了参数驱动和无参数优化策略。
我觉得，这些是很好的索引。看三个点。
一个是当前agent的应用都有哪些。
一个是参数驱动优化的策略，包括：
微调优化，通过微调预训练的LLMs参数来提高智能体的性能。微调过程包括构建高质量的轨迹数据和微调策略。
这个使用的作为频繁，重点是轨迹数据构建。具体的，首先生成高质量的轨迹数据，这些数据可以是专家标注的、由强LLM生成的、通过自探索环境交互生成的或多智能体协作生成的。然后，对生成的轨迹数据进行评估和过滤，确保数据的质量和适用性。评估方法可以基于环境反馈、人类规则或模型评估，最后使用过滤后的轨迹数据对LLMs进行微调，通常采用标准SFT、参数高效微调（如LoRA）或定制策略。如代表性的工作：
强化学习优化，利用强化学习技术，通过与环境或人类反馈对齐来优化智能体行为。主要包括奖励函数优化和偏好对齐优化。
奖励函数优化，使用传统的强化学习算法（如PPO、Actor-Critic）来迭代优化智能体的策略。奖励可以来自环境反馈、模型生成的信号或自定义奖励函数。
偏好对齐优化，通过直接优化偏好数据来对齐模型输出与人类偏好，避免传统奖励建模的需求。偏好数据通过成对比较或其他排名机制构建。
混合优化，结合SFT和RL，创建更灵活和有效的框架。通常先进行SFT预热，然后应用RL策略进行任务特定目标或动态环境的优化。
一个是无参数优化的策略，包括：
基于经验的优化，利用历史数据、轨迹或积累的知识来改进智能体。通过存储和分析成功和失败案例，智能体可以提炼策略、增强长期决策和适应演变的任务；
基于反馈的优化，通过外部信号和批评来修改行为，自我评估和校正以精炼当前行为。包括自我反思优化和外部反馈优化；
元提示优化，通过迭代调整全局指令或元提示来增强LLMs的泛化能力。通过分析失败试验创建优化的提示，并迭代地将其纳入以提高任务性能；
基于工具的优化，利用外部工具来执行需要外部计算、动态信息检索或专门功能的任务。
检索增强生成（RAG）优化，通过将检索与生成过程相结合，克服固定预训练知识的限制，提高在演变环境中的适应性。
多智能体协作优化，通过角色特定的智能体通信和协作来提高决策和性能。
关于该论文中所提工作的进一步索引，可以在https://github.com/YoungDubbyDu/LLM-Agent-Optimization中找到。
参考文献
1、https://github.com/zamalali/DeepGit
2、https://arxiv.org/pdf/2503.12434
（文：老刘说NLP）