Những gì xây dựng Shippy dạy chúng tôi về việc xây dựng các tác nhân AI đáng tin cậy cho các nhiệm vụ vận hành

Nhóm Skylight tại Ai2 đã xây dựng Shippy, một tác nhân AI cho lĩnh vực nhận thức tình huống hàng hải theo thời gian thực, tập trung vào độ tin cậy. Shippy bao gồm ba phần: soul (lời nhắc hệ thống), skills (tệp markdown xác định các nhiệm vụ) và config (cài đặt thời gian chạy). Skills là các tệp markdown thuần tuý tuân theo spec agent-skills được sử dụng bởi Claude Code và Codex. Thay vì gọi API trực tiếp, Shippy sử dụng một giao diện dòng lệnh (CLI) chuyên dụng (Skylight CLI) xử lý xác thực, phân trang và đầu ra có cấu trúc. Các phiên người dùng được cách ly thông qua Mothership, hệ thống cung cấp một triển khai Kubernetes chuyên dụng cho mỗi phiên. Hệ thống đánh giá sử dụng các chuyên gia lĩnh vực để viết kịch bản và rubric, chấm điểm tác nhân trên dữ liệu thực tế bằng bộ phán xét (LLM judge). Shippy hiện sử dụng Claude Opus 4.6 làm mô hình ngôn ngữ lớn (LLM). Các kế hoạch tương lai bao gồm điều khiển giao diện người dùng dựa trên tác nhân, định tuyến mô hình và bộ nhớ xuyên luồng.