AI代理架构应化繁为简，回归Unix哲学。Vercel和Anthropic实践显示，赋予LLM基础BASH工具而非复杂预设，能显著提升效率、成功率，减少资源消耗，让模型自主思考。
译自：The Key to Agentic Success? BASH Is All You Need
作者：Joab Jackson
代理构建者发现，有时代理完成工作最简单的方法是给它一些Unix工具，然后“让它自己发挥”。
Vercel最近的一个项目发现，剥离大量元数据，转而给模型一个BASH shell并允许其访问数据，反而产生了卓越的结果。
另一组开源开发者发现，一个简单的BASH while循环和一些独立的时间就足以执行复杂的任务。
“模型越来越智能，上下文窗口也越来越大，所以也许最好的代理架构几乎就是没有架构，”Vercel软件总监Andrew Qu写道。“如果BASH就是你所需要的一切呢？”
让LLM来思考
Vercel为员工构建了一个文件代理，用于从其内部数据存储中获取答案。这个名为d0的代理可以回答数据团队通常会遇到的问题：
Vercel的d0正在工作，回答问题。
为此，d0必须将自然语言查询转换为针对各种YAML、Markdown和JSON文件的SQL查询。
“当d0运行良好时，它能使公司内部的数据访问民主化。当它出现故障时，人们就会失去信任，转而回到Slack上向分析师求助，”Andrew Qu在一篇关于d0的十二月博客文章中写道。
当公司启动这个项目时，它投入资源确保代理拥有所需的所有支持，包括提供专用工具、大量的提示工程、大量元数据和充足的上下文管理。
“它……有点用。但它很脆弱，速度慢，并且需要持续维护，”Andrew Qu写道。
因此，工程团队尝试了相反的方法：没有给代理配备大量上下文和工具，而是将其简化为单一功能，即执行BASH命令的能力。它获得了直接访问文件的权限，并可以使用grep、cat、ls等命令查询文件。
公司发现，d0立即变得更容易管理，使用的资源更少，并且准确率更高。
“这一切都通过‘少做’来实现，”Andrew Qu写道。
Unix哲学
也许Andrew Qu和团队所学到的并非那么反直觉。
Unix哲学是一种简洁的哲学：构建复杂系统的最佳方式是通过基本组件的模块化。
每个工具都应该只做一件事，并把它做好，而且工具应该易于组合成更大的工作流。它们都应该是基于文本的，因为文本是通用的接口。
BASH (Bourne Again SHell)是这种方法的接口，允许用户使用简单的管道命令将程序链接起来，将一个程序的输出作为另一个程序的输入。
通过这种简单的哲学，Unix（及其分支Linux）几十年来一直用于管理服务器及其运行的复杂工作负载；也许它也能管理AI工作。
更少输入带来更好的结果
Vercel的d0v2移除了代理所需80%的辅助信息。
这个名为bash-tool的BASH引擎作为一个NPM包运行，并于本周早些时候开源。
它通过AI SDK在Claude Opus 4.5上运行，该SDK获得了一个Vercel Sandbox用于上下文探索。请求处理和可观测性通过Vercel Gateway完成，而Next.js API路由是使用Vercel Slack Bolt构建的。
数据被索引到一个立方体语义层中，这是一个中间件软件，它聚合数据源，使它们可以通过单个API访问，或者在这种情况下，通过SQL查询访问。
考虑到立方体的单一工作是对不同数据源进行语义转换，它也符合Unix哲学。
d0不需要很多额外的上下文，因为语义层通过维度定义、度量计算和连接关系已经提供了所需的大部分数据。
“我们过去在构建工具来总结已经清晰可见的内容。Claude只需要直接读取它，”Andrew Qu写道。
下表总结了从旧设计到新设计的改进：
| 指标 | 高级（旧） | 文件系统（新） | 变化 |
|---|---|---|---|
| 平均执行时间 | 274.8秒 | 77.4秒 | 快3.5倍 |
| 成功率 | 4/5 (80%) | 5/5 (100%) | +20% |
| 平均token用量 | 约102k token | 约61k token | 减少37% token |
| 平均步骤数 | 约12步 | 约7步 | 减少42%步骤 |
回顾
回想起来，Andrew Qu的团队过度设计了代理提示。他们是在重复造轮子。
“grep已经有50年历史，但它仍然能完全满足我们的需求。我们过去在为Unix已经解决的问题构建定制工具，”Andrew Qu写道。
模型很智能，并且一直在变得更智能。为它们提供更多工具可能是有益的，但有时也可能造成限制。有时模型可以做出更好的选择。它们的进步速度是你的工具选择无法匹敌的。
“我们过去限制了推理，因为我们不相信模型能够推理。对于Opus 4.5来说，这种限制成了一种负担。当我们不再替模型做选择时，它会做出更好的选择，”Andrew Qu写道。
Vercel首席执行官Guillermo Rauch在X（此前名为Twitter）上阐述了这一教训，指出要回归理解Unix基础知识，例如文件系统、shell、进程和命令行。
他写道：“不要与模型对抗，拥抱它们所调优的抽象。BASH就是你所需要的一切。”
“失败即数据”
一家显然与这种哲学保持一致的AI公司正是Anthropic本身，它是Claude系列AI模型的制造商。
最近，该公司发布了一个名为“Ralph Wiggum”的插件，它基本上是一个BASH脚本，只有一个操作：一个do/while循环。
文档解释说，这个想法是给AI代理一个单独的提示文件，并让它“迭代改进其工作直到完成”。
无需调整提示。相反，所有工作都写入文件并捕获在git历史日志中。Claude通过审查它在文件中的过去工作来改进结果，并持续修改工作直到达到既定目标。
Ralph Wiggum以《辛普森一家》中一个笨拙的孩子命名，其想法是消除每次大型语言模型（LLM）尝试任务时都需要有人审查其工作的必要性。相反，让LLM自己完成工作，并学会如何自我提升。
“失败就是数据，”其创建者、开源开发者Geoffrey Huntley解释道。
版权所有：《辛普森一家》。
尽管采用了简单的暴力方法，Wiggum以最佳的Unix风格，取得了一些显著的成果。
在一次黑客马拉松中，Wiggum技术被用于将一个网络代理工具从Python移植到TypeScript。经过一夜运行，研究人员第二天发现了一千多次提交、六个移植的代码库和一个几乎完全功能的程序。
换句话说，据Anthropic称，它以297美元的API成本完成了价值5万美元的合同工作，并在三个月内创建了一门完整的编程语言。
Wiggum最适合某些类型的工作，例如定义明确且无需人工干预的工作。
当我们思考AI的未来发展时，有时值得记住的是，复杂性并非总是前进的方向，而一些最好的工具并非是闪亮的新工具，而是早已可用的工具。
