Shippy构建智能体给我们的启示

海洋保护领域的人工智能代理，容错率极低。一个错误的判断，可能让巡逻船偏离航向数十海里，不仅浪费本就紧张的资源，更可能将执法人员置于险境。正是基于这样的现实考量，Skylight团队开发了名为Shippy的海洋AI代理，用于实时海域态势感知。团队发现，真正的挑战不在于模型本身，而在于构建一个足够可靠的系统——它必须能给出准确答案，清楚自身能力边界，并在各类任务中保持稳定表现。更关键的是，这一切验证必须基于Skylight持续更新的实时数据，而非静态快照。 Shippy的架构被团队拆解为三个核心组件：灵魂（soul）、技能（skills）和配置（config）。灵魂是系统提示词，定义了Shippy的角色定位和行为边界，比如它不会对船舶是否违法做出法律判定——那是人的职责，不是代理的。技能则告诉Shippy如何处理特定类型的请求，例如查询专属经济区（EEZ）边界、解读船舶轨迹数据、生成交互式地图链接等。这些技能遵循与Claude Code、Codex等编码工具相同的代理技能规范，以结构化Markdown文件形式存在，便于版本管理和修改。灵魂和技能被打包进Docker镜像，成为可部署的版本化产物。配置则涵盖运行环境：使用哪个代理框架（Shippy采用开源框架OpenClaw）、调用哪个大语言模型（目前依赖Claude Opus 4.6）、以及运行时设置。API密钥等敏感信息在运行时注入，切换模型或框架只需修改配置，无需重新构建。 这种设计带来的实际效果是：当用户询问“上个月巴拿马EEZ内的捕鱼活动”时，Shippy不会凭空猜测坐标，而是先通过Skylight的区域API将“巴拿马EEZ”解析为边界多边形，再查询该几何区域内的捕鱼事件，最后将结果格式化为带有深度链接的地图反馈。整个过程透明可追溯——每条回复都会标注数据来源、截止时间、查询时间戳，让分析师能逐一核实。对于更复杂的问题，比如“科伊瓦山海洋保护区附近是否有船舶作业”，Shippy会同时调用Skylight数据查询技能、ProtectedSeas数据库的保护区边界信息，以及船舶轨迹解读技能，所有操作在一个对话回合内完成。这种模块化架构的核心价值在于：每个技能都是独立、可验证的，当某个环节出错时，团队能快速定位并修复，而不需要推倒整个系统。对于依赖AI进行高成本决策的跨境电商卖家而言，这种“可解释、可追溯、可控制”的代理设计思路，或许比追求模型参数大小更有实际意义。