What Your AI Stack Needs Before Agents Can Learn | Arjun Karanam, Trajectory

Trajectory 创始人提出“经验鸿沟”：模型 IQ 再高，第一天上班也是菜鸟。他们用真实交互数据做持续学习，让 Agent 越用越强，训练一个模型只需 15 分钟。

手里有个 Terence Tao 级别的天才，但他第一天到会计事务所上班，大概率连账都平不了。这就是 Arjun 说的“经验鸿沟”——模型 IQ 再高，没有实战经验就是菜鸟。Trajectory 想用被丢弃的 Agent 交互数据来填补这个鸿沟，让模型越用越顺手。这篇讲清楚了他们怎么捕捉数据、怎么训练、以及给 Agent 生态的四个具体建议。

现在的模型每周都在变聪明，但每次对话都像第一天上班。IQ 只是其中一个轴，另一个被忽视的轴是“经验”。Trajectory 要做的，就是收集 Agent 干活时产生的海量交互数据（这些数据现在大多被扔掉），用来训练模型，让它从“聪明的新人”变成“熟练的老手”。

• 核心产品是“持续学习平台”：从捕捉交互数据开始，提炼成“模型规格”（Model Spec），再用强化学习算法（如 SDPO）训练模型，同时优化“外挂工具”（Harness），最后部署回生产环境。
• 一个关键判断：学到的事实（比如“某公司已退市”）应该放进 Harness 的上下文，而不是训练进模型的权重里，这样更新快、成本低。

Arjun 用阿拉丁神灯的比喻，给当前 Agent 生态提了四个具体建议，每个都对应一个待解决的工程问题。

• 愿望一：追踪要完整：不仅要记录主任务，还要记录子 Agent 和工具调用的完整轨迹。更重要的是，产品要设计好反馈机制，别只搞“点赞/点踩”——用户真正有价值的反馈是“纠正行为”，比如编辑、撤销、重试。
• 愿望二：评估要贴近真实：评估数据应该来自真实用户流量，而不是人工构造的测试集。理想状态是“评估环境 = 训练环境 = 生产环境”，并且要能把用户的操作录下来回放。
• 愿望三：Harness 要放权：别再把 Harness 当成“防跑偏”的紧箍咒，而应该把它变成“工具箱”，提供搜索、私有数据等原语，让 Agent 自己编排。同时，Agent 的接口要尽量和用户界面一致，工具返回的信息要详细，别只回一个“完成”。

“我们不再思考该把文件存在内存还是硬盘，那是被抽象掉的问题。模型、Harness 和上下文，也该是这样。”

• 重新审视你的反馈机制：如果产品里只有“点赞/点踩”，那数据价值很低。去记录用户的“撤销”和“重试”操作，那才是纠正模型行为的高质量信号。
• 别急着微调模型：遇到新知识，先判断它是“全局事实”还是“个人偏好”。前者值得训练进模型，后者放进上下文或 Harness 就够了，能省下大量训练成本。