Shippy项目给AI代理构建带来的启示

Back to Articles

Shippy 教给我们的构建智能体的经验

Enterprise Article Published July 15, 2026 Upvote 1

• 

Kyle Wiggers Ai2Comms Follow allenai

• 智能体解剖：技能、灵魂与配置
• 面向非确定性智能体的确定性工具
• 沙盒托管与隔离
• 评估智能体，而非模型
• 我们的未来方向

Shippy is a maritime AI agent built for high-stakes decisions, where the wrong answer has real impacts. Here's the architecture behind it—and the lessons we're carrying into Ai2's other environmental platforms.

Shippy 实时回答关于加纳专属经济区（EEZ）的查询。响应展示了其工作过程：边界来源、数据截止时间、查询时间戳，以及指向 Skylight 地图的深度链接，以便分析师验证每个数字。

构建一个用于海洋保护等高要求操作领域的人工智能智能体，首要问题是可靠性。对于海事分析师而言，一个错误答案可能使巡逻船偏离数英里，浪费本就紧张的资源，并可能将人员置于危险中。

因此，当 Skylight 团队着手构建 Shippy（我们用于实时海洋领域感知的人工智能）时，真正的工作并非模型本身，而是构建一个我们可以信赖的系统——它必须正确、严守边界，并在多种任务中保持稳定。而且，我们必须根据 Skylight 实时数据（随着新卫星和船舶信号的到达而持续更新，而非静态快照）对其进行全面验证。

智能体解剖：技能、灵魂与配置

我们认为像 Shippy 这样的智能体包含三部分：灵魂、技能 和 配置。

灵魂 是系统提示，定义了 Shippy 的角色并设定行为边界。技能 告诉 Shippy 如何处理特定类型的请求。灵魂和技能一起被封装到 Docker 镜像中——一个带版本号、可部署的工件，定义了 Shippy 是什么。配置 涵盖其他一切：运行哪个智能体框架（Shippy 使用 OpenClaw，一个开源智能体框架）、使用哪个 LLM（目前 Shippy 依赖 Claude Opus 4.6）以及运行时设置。API 密钥等机密在运行时注入；切换模型或框架只需更改配置，无需重建。

Shippy 的技能遵循与 Claude Code 和 Codex 等编码工具相同的 智能体技能规范——即包含结构化前言的纯 Markdown 文件。这使得每个技能都易于理解、可版本控制且便于修订。Shippy 目前包含以下技能：

• 查询 Skylight API 以获取事件（Skylight 呈现的船只行为，如捕捞或两船之间的转运）和船只数据
• 查找专属经济区（EEZ）和海洋保护区（MPA）边界
• 解读船只轨迹数据，即船舶广播的位置和运动信号，基于 Skylight 模型（包括 Atlantes）已生成的活动分类
• 生成交互式地图链接，使分析师能从 Shippy 聊天中的回答直接跳转到 Skylight 地图上的精确位置

例如，Skylight API 查询技能编码了回答特定区域问题的完整工作流程。当分析师或用户问“显示上个月巴拿马专属经济区内的捕捞活动”时，技能指令会引导 Shippy 先通过 Skylight 的区域 API 将“巴拿马EEZ”解析为边界多边形（而非猜测或硬编码坐标），然后查询该几何区域内的捕捞事件，将结果格式化为带有返回 Skylight 地图的深度链接，并注明来自 Global Fishing Watch 或 TMT 等 Skylight 合作伙伴的船只元数据。

向 Shippy 提出的单个问题可能同时涉及多个技能。“是否有船只靠近科伊瓦山海洋保护区（Cordillera de Coiba MPA）？”需要用到 Skylight 技能进行数据查询、我们的合作伙伴 ProtectedSeas 的数据库提供 MPA 边界背景，以及船只轨迹技能解读船只行为。所有这些都在一次对话轮次中完成。

核心原则决定了Shippy能做什么、不能做什么。它不会对船舶是否违法做出法律判断——那是由人类而非代理做出的决定。它也不会超出数据支持的范围进行推测。这些边界在系统提示中明确列出，而不是隐含在微调中，这使得它们可审计且易于修改。

用于非确定性代理的确定性工具

代理是非确定性的。你无法控制模型决定做什么，但你可以让它使用的工具变得可预测。为此，Shippy通过一个专门构建的CLI与Skylight“对话”，该CLI调用API，而不是自己发出原始调用。

我们的API有数十种输入类型、嵌套的过滤器对象、分页游标和复杂的几何输入。在早期原型中，我们让Shippy从头开始构建API调用。它产生了一连串细微的错误：错误的分页导致静默丢失结果、几何编码错误，以及由于误解过滤器类型而返回错误数据的表面正确的查询。

Skylight CLI将该复杂性简化为一个可预测的接口。Shippy发出单个命令——skylight events search 带类型的过滤器标志——CLI处理认证、分页和结构化输出。CLI也是自文档化的：广泛的--help文本和详细的错误消息为代理（和人类开发人员）提供了足够的上下文，无需猜测即可从错误中恢复。其输出始终写入本地JSON文件，而不是通过shell管道传输。早期，大的结果集会遇到管道缓冲区限制或破坏下游工具如jq。写入磁盘避免了这两个问题，并允许代理在后续步骤中以编程方式访问查询结果。

CLI之下是一个标准化API：多种资源类型——Skylight Events、船舶、区域、卫星图像、船舶轨迹等——通过一对常见的操作（搜索和聚合）进行访问。API的输入和输出被定义为带有字段级描述的类型的模式。

这种分层——类型化API、确定性CLI以及引用CLI命令的代理技能——意味着Shippy的每个组件都可以独立测试。API有它自己的测试套件。CLI可以由人类或代理操作。代理技能引用CLI命令来处理管道，这样Shippy每次访问Skylight API时就不必重新发明轮子。每一层都减少了下一层可能出错的范围。

沙箱托管与隔离

Skylight服务于70多个国家的数百个政府机构和非政府组织。菲律宾的一名渔业官员有仅限于其Skylight账户的关注区域、船舶关注列表和警报配置。当他们向Shippy提问时，代理的API调用需要返回他们的数据，并且他们的对话历史绝不能对其他人可见。

每个用户都在自己短暂的、隔离的会话中与Shippy交谈，而大规模可靠地实现这一点是该项目背后最重要的工程工作之一。我们构建了Mothership，一个代理托管平台，为每个用户会话提供一个专用的Kubernetes部署。当用户打开对话时，系统会启动一组pod，打包代理运行时、其技能和Skylight CLI。用户的Skylight JWT在提供时注入，因此代理的API调用限于该用户的数据。

代理在多步分析期间写入的文件仅存在于该会话中，并且不会在用户之间共享。在沙箱内，代理可以编写和运行代码、安装依赖项、拉取数据集，并完成多步分析。在网络层面，沙箱仅限于其所需的服务。

评估代理，而非模型

大多数基准测试将通用人工智能按照静态问题进行排名。它们无法捕捉到代理（agent）一旦接入真实工作流后的行为方式：如何选择工具、查询实时数据、对结果采取行动，以及知道何时停止。因此，我们围绕Shippy的工作方式构建了自己的评估系统，对完整代理——包括模型、技能和沙箱——一起根据实时数据进行评分。

在我们的评估框架中，领域专家编写场景和评分标准，选择每项任务适用的标准并设置权重，使得每项任务都根据其实际重要因素进行评分。例如，一个捕鱼事件查询将数据准确性权重最高，其次是边界分辨率和时间范围，来源归因和回答风格权重较低。他们还对每个回答标注正确或错误，为评委提供真实答案以便评分。领域专家额外对每个回答标注正确或错误，为评委提供真实答案以便评分。

流程很简单：一个自然语言提示通过沙箱运行，一个LLM评委对每个标准从0到1评分，并书面解释回答为什么符合或不符合该标准，加权汇总与固定的通过阈值进行比对，如下图所示。

单个任务在我们的流程中如何评分。一个自然语言提示通过沙箱运行，一个LLM评委对每个评分标准给出书面推理评分，加权汇总根据固定阈值判定通过或失败。

任务通过 Harbor（一个开放的评估框架）执行。我们编写了一个Harbor插件，在被测试的确切版本上启动一个真实的Shippy会话，并针对用户可能遇到的相同真实数据进行操作。该套件并行运行于特定版本的Shippy构建，生成带时间戳的结果文件和与上一次运行相比的分数变化报告。每当技能、模型或基础数据发生变化时，我们会重新运行该套件，而在我们的评估标准上出现性能倒退的Shippy版本不会到达最终用户手中。

Shippy在数据检索和护栏任务中表现一致，正确拒绝军事情报请求，维护用户数据隔离，并准确归因来源。在我们最新的运行中，最明显的模式是巡逻规划任务中Shippy越界进入战术建议而非决策支持，几何敏感查询中边界简化导致遗漏事件，以及一个代理发明了不存在的CLI命令的案例。这些问题直接指导我们下一轮的技能改进。

Shippy的评估套件在Skylight内运行：每个场景根据加权标准评分，评委的推理可见，因此失败指向需要修复的特定行为。

我们未来的方向

我们正在逐步向早期用户开放Shippy，并邀请他们对其进行压力测试——找出代理回答不佳的问题以及可能需要收紧的护栏。以下是我们正在构建的内容：

• 代理驱动的UI控制。 Shippy目前返回地图链接；下一步它将直接驱动Skylight地图，移动到某个区域，应用过滤器，调整时间范围。
• 模型路由。 并非每个问题都需要前沿模型，因此我们将简单查询路由到更小更快的模型，将完整模型保留用于复杂调查。
• 跨线程记忆。 对话历史在单个线程内持久化，但上下文不会跨线程传递。我们正在构建记忆功能，使Shippy能够携带持久事实（例如，分析师的管辖区域、首选来源）并自动应用。这样，“显示本周捕鱼活动”就不需要每次都重新指定分析师的EEZ。

我们在Shippy上的工作已经塑造了我们在Ai2其他地方对代理的思考方式——最直接的是EarthRanger，我们的野生动物保护平台，以及OlmoEarth，我们的地球观测工具开放套件。Mothership被设计为通用型，可以托管其他代理，所以虽然海事是我们应用它的第一个领域，但我们不认为它会是最后一个。

---

Shippy由Ai2的Skylight团队构建。Skylight是一个免费的海事领域感知平台，被70多个国家的300多个合作伙伴使用。

更多来自该作者

DiScoFormer：一个用于密度和分数的变换器，跨分布

• 

6 June 29, 2026

混合模型能更好地预测哪些令牌？

• 

8 June 25, 2026

社区

EditPreview Upload images, audio, and videos by dragging in the text input, pasting, or clicking here. Tap or paste here to upload images Comment

· 注册 或 登录 以评论

Upvote 1

•