AI Agent 的两朵云：流式与环境交互，自主从经验中学习

摘要

整理自 Bojie Li 在 Flink Forward Asia 2026 的演講，探討 AI Agent 面臨的流式環境互動與自主經驗學習兩大挑戰。文章介紹了 AOI、Sema 等技術如何讓 Agent 像人類一樣即時感知世界，並結合快慢模型與可執行記憶機制提升實時推理能力。

This talk addresses the two major challenges for AI Agents: real-time environmental interaction and autonomous learning from experience, proposing solutions like streaming processing and executable memory.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• AI Agent 需透過流式處理實現與環境的即時互動，而非傳統微批模式。
• 採用快慢模型分離策略，平衡即時響應與深度推理的需求。
• 利用可執行記憶與 KV Cache 編譯技術，讓 Agent 自主從經驗中學習並複用。

提到的工具與公司

• AOI
• Sema
• Interactive ReAct
• Flink

適合誰看

適合正在開發或研究 AI Agent、需要解決實時互動與長期記憶問題的工程師與研究者。

摘要依據

講者

Bojie Li

依據

文章全文

為什麼排在這裡

人氣

0.75

新鮮

0.67

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• 【生成式AI導論 2024】第9講：以大型語言模型打造的AI Agent (14:50 教你怎麼打造芙莉蓮一級魔法使考試中出現的泥人哥列姆)影片 ・ Hung-yi Lee ・ 25 分鐘
• Learn *Anything* with AI Agents影片 ・ Elvis Saravia
• Continual Learning: How AI Agents Get Better With Every Use | Arjun Karanam, Trajectory影片 ・ Sequoia Capital ・ 22 分鐘
• 【生成式AI時代下的機器學習(2025)】第二講：一堂課搞懂 AI Agent 的原理 (AI如何透過經驗調整行為、使用工具和做計劃)影片 ・ Hung-yi Lee ・ 1 小時 42 分
• RL Environments Explained: How AI Agents Learn Real-World Work | Brendan Foody, Mercor影片 ・ Sequoia Capital ・ 26 分鐘
• Build AI agents that learn from experience影片 ・ DeepLearningAI ・ 2 分鐘