Shippy：構建高風險海事 AI 代理的架構與經驗教訓
Shippy：構建高風險海事 AI 代理的架構與經驗教訓
TL;DR
Hugging Face 與 Ai2 推出了 Shippy，這是一款專為高風險作業領域感知設計的海事 AI 代理。為了在錯誤數據可能導致資源浪費或安全風險的環境中確保可靠性，Shippy 採用了將人格（persona）與能力（capability）分離的模組化架構，利用確定性的 CLI 工具與即時數據進行交互，並在隔離的使用者沙盒中運行。
代理解剖：靈魂、技能與配置
Shippy 的結構分為三個不同的組件，以確保版本控制、可審計性與靈活性：
- Soul：定義代理人格與行為邊界的系統提示詞（system prompt）。這包括明確的限制，例如拒絕做出法律判定或對可用數據之外的內容進行推測。
- Skills：定義為具有結構化 frontmatter（遵循 agent-skills spec）的純 markdown 檔案，技能為特定任務提供指令。目前的職能包括查詢 Skylight API 以獲取船舶數據與事件、查找專屬經濟區 (EEZ) 與海洋保護區 (MPA) 邊界、解析船舶軌跡數據，以及生成互動式地圖連結。
- Config：決定代理運行環境 (OpenClaw) 與 LLM (目前為 Claude Opus 4.6) 的執行時設定。
這些組件被封裝在版本化的 Docker 鏡像中，允許開發者透過更改配置來更換模型或運行環境，而無需重新構建整個代理。
用於非確定性代理的確定性工具
為了減輕 LLM 的不確定性，Shippy 並不直接發送原始 API 呼叫。相反，它透過一個專門設計、具備自我說明能力的 CLI 與 Skylight 平台進行交互。
CLI 層
直接的 API 呼叫經常導致分頁格式錯誤、幾何編碼錯誤以及錯誤的篩選類型。Skylight CLI 將這些複雜性簡化為具備類型化的篩選標記（例如 skylight events search），並在內部處理身份驗證與分頁。為了避免管道緩衝區限制並確保程式化存取，CLI 會將所有輸出寫入磁碟上的本地 JSON 檔案。
API 層
在 CLI 之下是一個具有類型化 Schema 與欄位級描述的標準化 API。這種分層方法——類型化 API $ ightarrow$ 確定性 CLI $ ightarrow$ 代理技能——允許每個組件進行獨立測試，縮小每個階段的錯誤空間。
透過 Mothership 實現沙盒託管與隔離
由於 Shippy 為 70 個國家的政府機構與非政府組織提供服務，嚴格的數據隔離是強制性的。Ai2 開發了 Mothership，這是一個代理託管平台，會為每個使用者工作階段配置專用的、臨時性的 Kubernetes 部署。
- 工作階段隔離：每個使用者工作階段都會啟動一組包含代理運行環境、技能與 Skylight CLI 的 Pods。
- 安全性：使用者的 Skylight JWT 會在配置時注入，以將 API 呼叫限制在其特定的數據範圍內。網路存取僅限於必要的服務，且分析期間寫入的檔案會在工作階段結束時刪除。
- 能力：在此沙盒中，代理可以安裝依賴項、執行程式碼並拉取數據集進行多步驟分析，而不會冒著跨使用者數據洩漏的風險。
評估代理性能而非僅評估模型性能
Ai2 並非依賴靜態的通用基準測試，而是使用 Harbor 評估框架，針對即時數據將 Shippy 作為一個完整的系統（模型、技能與沙盒）進行評估。
評估流程
領域專家會創建具有加權標準的情境與評分準則。例如，一個漁業事件查詢會將數據準確性與邊界解析度置於回應風格之上。該流程遵循特定的管線：
- 在沙盒中執行自然語言提示詞。
- LLM 裁判根據書面推理，對每項準則進行 0 到 1 的評分。
- 將加權後的總分與固定的通過門檻進行比較。
發現與迭代
最近的評估發現了特定的失敗模式，例如代理越權進行戰術建議而非決策支持、邊界簡化導致幾何敏感查詢中遺漏事件，以及虛構不存在的 CLI 命令。這些結果直接驅動了下一輪的技能改進迭代。
未來路線圖
Ai2 正在從三個主要方向擴展 Shippy 的能力：
- 代理驅動的 UI 控制：使 Shippy 能直接操作 Skylight 地圖（調整篩選條件與時間範圍），而不僅僅是提供連結。
- 模型路由：實現一套系統，將簡單的查詢路由至較小、較快的模型，同時為複雜的調查保留前沿模型。
- 跨對話記憶：開發持久化記憶，使代理能在不同的對話線索中記住使用者的特定上下文（例如分析師的管轄範圍）。