跨国深谈← 返回←智能体自己造工具、自己修 Bug:AWS 工程师现场演示

智能体自己造工具、自己修 Bug:AWS 工程师现场演示

关联

人物 Sandhya Subramani

公司 AWS

概念 智能体 · StrandsAgents · 元工具化 · 系统提示词 · 运行时 · 沙箱 · 护栏 · 评估 · 多智能体系统

你的 Claude Code、Cursor 当然也能写代码。但你有没有想过：如果一个系统已经在生产环境跑着，突然报错了怎么办？

现在的做法通常是把服务停掉，人工修复，重启，折腾一圈。

Sandhya Subramani 在 AWS 的这场演讲里展示的是另一条路——智能体在运行中发现出错，自己写工具把自己修好 。她管这个思路叫 MetaTooling。

一个什么都不会的智能体，怎么自己学会计算？

开场演示很有冲击力。她跑起一个智能体，工具目录是空的——理论上它什么都做不了，甚至该胡说八道才对。

然后她输入一个数学问题，智能体发现没有现成工具，就当场写了一个计算器工具，写完立刻用，不用重启程序。

接着她又随手输入一段字符，让它数有几个字母，智能体又当场写了个字符计数工具 。

关键在于：这些能力不是预先编好的，是智能体在被问到的那一刻自己造出来的。

实现只需要三个工具加一段提示词

背后的框架叫 Strands Agents,是 AWS 开源的智能体运行框架，你可以接入自己的模型。换新模型时不用重写架构，直接替换就行 。

实现 MetaTooling 只需要三样东西：

编辑器工具(让它能写文件)、命令行工具(让它知道环境里有什么)、加载工具(让它能动态加载刚写好的工具)。

再加一段系统提示词，告诉它一个好工具长什么样、该写到哪个目录、以及一条重要规则——先检查工具是否已存在，不存在才新写 。

核心代码只要五行。

只会订国内机票？用户要飞国际，它自己想办法

为什么这有用？

她举了个例子：假设你的应用只会订国内机票，突然有个用户要从印度飞香港，传统智能体会直接放弃——它没被训练过这个。

你是想让用户吃个报错，还是等工程团队排期两周？有了自我造工具的能力，智能体可以当场补上这块短板 。

它不光造工具，还能造出一支小团队

更进一步：智能体能不能写别的智能体？可以。

演讲里她只输入了一句「帮我在夏威夷规划行程」，智能体自己拆解任务，创建了三个子智能体——航班、活动、行程——分别写好再调用它们，最后给出包含主要机场和最佳海滩的完整规划 。

如果给它接上实时数据的接口，它还能自己写一个查天气的工具。

要是让它改目的地，它会自己更新已有的智能体，而不是推倒重来。

在更长的演示环节里，她甚至会故意把系统弄坏，让智能体自己发现报错、自己修复。

能量越大，越得拴住：评估和护栏不可少

但 Sandhya 反复强调，这种自主性风险很高。一个能创建工具和智能体的系统，理论上也能改写和删除你的东西。她列出两层保障。

第一层是评估。框架内置 8 类评估：任务层面看最终目标有没有达成；对话层面看回答是否有帮助、是不是编造的；

工具层面看有没有用对工具、参数填没填错；多智能体系统里还要看子智能体的调用顺序和相互通信是否正常 。

第二层是四类护栏：

环境隔离(把执行代码的环境本身沙箱化，而不是只隔离智能体)、限制可用工具、限制权限和访问者，以及完整的可观测性——所有遥测数据都要留痕 。

最有趣的一件事：开源框架自己写了自己的另一个版本

结尾有个彩蛋。Strands Agents 三年前诞生于 AWS 内部，后来开源，先有 Python 版本。然后，Python 版本的 Strands 自己写出了 TypeScript 版本 。

也就是说，这个关于「智能体更新自己源代码」的愿景，已经真实发生过一次了。

Sandhya 的结论是：这是自我改进、自我进化的智能体的起点。她还开玩笑说，总有一天它们会接管世界——但在那之前，这一切精彩得很。

本集带走

• MetaTooling 的核心：智能体在运行时自己写工具、自己加载使用，不需要重启或人工干预
• 实现只需三件套——编辑器、命令行、加载工具——加一段定义好工具模板的系统提示词
• 智能体还能自我拆解任务，创建并调用子智能体，形成多智能体协作
• 自主性带来风险：必须配套 8 类评估和沙箱、权限、工具限制、可观测性四类护栏
• Strands Agents 的 Python 版本已亲手写出了自己的 TypeScript 版本——自更新代码不再是设想

让我写一个工具来数你想要的字符数，因为它显然知道自己没有这个能力。
Let me write a tool to count the number of characters you want, because clearly it knows that it does not have the capability to do it.
—— Sandhya Subramani · [04:00]

现在你的重点不仅仅是构建一个能完成工作的好的智能体系统，你可能还想开始考虑编写自愈代码，考虑创建一个能审视自身、查看有哪些 bug 并自我修复的智能体。
So now your focus is not just building a good agentic system that can get the job done, you would also maybe want to start thinking about healing, writing self-healing code, about creating an agent that can sort of go over itself, look at what bugs are there and fix itself.
—— Sandhya Subramani · [14:20]

如果这个元工具或元智能体能派生出工具和智能体，它也能修改和删除。
If this meta tooling or this meta agent can spin off tools and agents, it can also modify and delete.
—— Sandhya Subramani · [17:11]

而且它能解决比最初被教会的更多的能力。这是自我改进智能体和自我进化智能体的开端。
And it can solve more capabilities than it has been initially taught to. This is the starting of self-improving agents and the self-evolving agents.
—— Sandhya Subramani · [18:53]

我们写了 Strands 的 Python 版本。然后 Strands 的 Python 版本自己写出了 Strands 的 TypeScript 版本。
And we wrote the Python version of strands. And the Python version of strands wrote by itself the TypeScript version of strands.
—— Sandhya Subramani · [19:45]