Karan (@kmeanskaran) 联合 GoogleCloud、GeminiApp开源全自动化机器学习流水线 PoC 项目(24*7)
从 2027 年起,科技行业将由全天候运行的智能体驱动,人类只负责在关键阶段进行验证。我已经把一整套机器学习流水线(概念验证)自动化了:智能体负责分析、写代码、做决策、跑实验、做评估、对比方案、部署模型端点,甚至对数据、特征、模型和历史运行记录进行版本管理。
用 Claude 或 Codex 手写 RAG、多智能体系统和完整机器学习流水线项目,很快就会过时。智能体将处理底层任务和决策。你要做什么?只需在每个阶段结束后审阅结果,并向智能体反馈。它们会按预期完成工作。
- 定义问题陈述、机器学习模型组合、指令,以及使用哪个大语言模型
- 为工程任务定义智能体角色,既覆盖代码编写,也覆盖决策制定
- 让智能体来回协作
- 智能体在后台独立目录中写代码,就像我们平时一样
- 收集实验结果和观察记录,以及智能体的建议
- 接受智能体的决策,或给出反馈
- 一旦你批准,整个流程将以有向无环图工作流运行
- 特征、模型和历史运行记录都有版本管理
- 在将最佳模型部署到生产环境之前,智能体会请求你的确认
- 确认后,模型即可通过 POST 请求在生产环境中提供服务
就这么简单。在框架层面,它包含一个“质疑型智能体”、人在回路机制、流水线暂停与恢复功能,以及显示智能体正在编写和执行内容的日志。不再需要手写代码。智能体的工作完全透明。只需接受或给出反馈,并提升你偏好的版本化模型即可。
我与 @GoogleCloud 和 @GeminiApp 合作构建了这个项目。在底层,你可以在 GCP 上进行设计、构建和部署。GitHub 上完全开源:
本文由 AI 翻译自英文原帖,技术名词保留英文。
查看 X 原帖