155
0红杉资本近期发起「Own Your Intelligence」系列专题，邀请在"企业自建智能"议题上走得最远的几家公司做系统分享。本期由 Trajectory 联合创始人 Arjun Karanam 主讲，也是该系列活动的压轴演讲。他提出了"经验差距（Experience Gap）"的概念——模型的 IQ 在快速提升，但每次对话都像是第一天上班；而持续学习的核心，就是把那些被丢弃的智能体交互 token 转化为让智能体越用越好的信号。他围绕可追踪性（Traceability）、评测（Evals）、Harness、模型四个方面许下四个愿望，并介绍了 Trajectory 的产品愿景。
问题在于，今天的智能体在生产环境中生成了海量交互，绝大多数被直接丢弃。持续学习的本质，就是把用户意图、修正、撤销这些交互转化为训练信号。为此他给出四个愿望。
一是全链路可追踪，不只记录顶层动作，还要捕获包含子智能体和工具调用的完整调用树，尤其要抓住用户的纠错行为，编辑、撤销、重试远比点赞点踩更有价值。
二是评测贴近生产，每个任务都要可重放，直接在生产级 Harness 上跑评测。
三是赋能型 Harness，不要用"防呆"思维限制模型，而是提供清晰的基础原语，让工具返回丰富的信息，而不是简单的 Done 或 Success。
四是拥抱开放权重与模型路由，这是拥有权重和持续迭代的前提。
隐私问题上他的立场很明确：不直接拿客户私有数据训练，而是对客户数据分布采样、合成等价数据再更新模型。知识也分三层：通用技能训练进权重，组织级偏好存进情景记忆，个人习惯留在上下文里，各归其位，互不污染。
视频链接：www.youtube.com
