天哪……斯坦福刚刚展示了为什么大型语言模型听起来聪明，但在现实反击时仍然失败。 这篇论文解决了每个构建代理的人都见过的一个残酷失败模式：给模型一个不明确的任务，它会愉快地幻想缺失的部分，产生一个看起来流畅但在执行时崩溃的计划。 核心见解很简单，但对仅依赖提示的方法来说是毁灭性的：当前提条件未知时，推理会中断。而大多数现实世界的任务充满了未知。 斯坦福的解决方案称为自查询双向分类规划（SQ-BCP），它迫使模型停止假装自己知道它们不知道的事情。 每个行动都明确跟踪其前提条件，而不是假设缺失的事实，具体如下： • 满足 • 违反 • 未知 未知是关键。当模型遇到未知时，它不被允许继续。 它必须： 1. 提出一个有针对性的问题来解决缺失的事实 或者 2. 提出一个建立条件的桥接行动（测量、检查、准备等） 只有在所有前提条件解决后，计划才能继续。 但这里的真正突破是：计划不是因为看起来接近目标而被接受。 只有在通过使用范畴理论的拉回检查的正式验证步骤后，计划才会被接受。相似性分数仅用于排名，从不用于正确性。 翻译：漂亮的计划不算数。可执行的计划才算数。 结果非常惊人。 在WikiHow和RecipeNLG任务中，隐藏约束的情况： • 资源违规率从26%降至14.9% • 从15.7%降至5.8% 同时保持竞争力的质量分数。 更多的搜索没有帮助。 更长的思维链没有帮助。 即使是自询问单独也仍然错过了约束。 真正有效的是将不确定性视为一等公民，并拒绝在解决之前向前推进。 这篇论文悄悄地划定了一条界限： 代理失败不是关于模型的大小。 而是关于假装不完整的信息是完整的。 如果你想要能够行动的代理，而不仅仅是叙述，这就是前进的方向。

经过两年的 AI 研究使用，我可以说这些工具彻底改变了我的工作流程。 以下是 12 个跨 ChatGPT、Claude 和 Perplexity 的提示，它们改变了我的研究（也可以为你带来同样的效果）：

如何使用Claude和n8n构建AI代理： 只需将此提示复制/粘贴到Claude中。 它将从头开始构建您的代理，包括工作流程、步骤和逻辑。 这是我使用的确切提示 👇