Terminal X 的 Eval Agent 用一套 54 条标准的评分表来给输出打分，并借助 GPT-6.1 Sol，相比原来能多抓出 25% 偏离基金投资要求的输出。也就是说，它更像一位资深投资人那样审查内容是否守规矩，替人先筛出不合格的部分。文中给出一致率 88.6% 和「多抓 25%」两个数字，但没说测试样本量、对比基线细节，也没说该功能是已开放还是仅演示。
文中可用工具
- Eval Agent按 54 条标准给输出打分，找出偏离基金投资要求的内容
- GPT-6.1 Sol作为底层模型参与评分和判断
展开详情收起详情：Terminal X 借助 GPT-6.1，与资深投资人判断的一致率达到 88.6%⌄
OpenAI News
原文发布：2026-10-20 15:00收录：2026-10-21
两位工程师做了一场演讲，讲的是怎么把 AI Agent 从本地开发时用的 FastAPI 小原型，搬到 Kubernetes 上、用 Ray 撑起来的正式生产环境。他们分享了实际操作中的经验：Ray 集群怎么搭、有状态记忆怎么存、流量忽高忽低时怎么自动扩缩容，以及控制平面怎么设计得稳。另外还提到几道关键防线：安全护栏、多区域部署，还有让大模型当裁判来给 Agent 打分的评测流程。对做 AI 应用落地的团队来说，这些是从“能跑”到“撑得住”的参考经验。这只是一场演讲分享，相关工具和做法没有说明是否已经开源或可以直接拿来用。
文中可用工具
- FastAPI本地开发 AI Agent 原型时用的 Web 框架
- Kubernetes部署和运行生产级 AI Agent 系统的容器编排平台
- Ray用来扩展 AI Agent 基础设施的分布式计算框架
- RayCluster文中只提到名称，原文未说明具体用途
- LLM-as-a-judge让大模型充当裁判，对 Agent 的输出进行评分的评测方式
展开详情收起详情：演讲：超越原型——用 Ray 扩展与框架无关的 AI Agent 基础设施⌄
InfoQ Architecture & Design
原文发布：2026-10-20 19:00收录：2026-10-21