DigitalOcean 两项新服务预览：让 AI 智能体从真实交互中自我迭代
DigitalOcean 发布 Learning Services 和 Agent Data Services 公开预览版，让开发者可以在统一的 AI 原生云平台上构建、评估和持续改进 AI 智能体。 新服务基于 DigitalOcean 的 Inference Engine 和 Managed Agents 构建，智
DigitalOcean 的 Learning Services 和 Agent Data Services 现已进入公开预览阶段。开发者由此可以在同一个 AI 原生云平台上构建、评估并不断改进 AI 智能体。
这两项新服务建立在 DigitalOcean 的 Inference Engine 与 Managed Agents 之上，目的是让智能体从真实交互中学习、找出弱点、测试改进方案，并且使用企业自己的数据。
官方给出的说法是：Inference Engine 让智能体具备思考能力，Managed Agents 让智能体能够执行动作；这次推出 Agent Learning Services 和 Agent Data Services，则是让智能体可以持续改进。这些能力全部运行在一个开放的云平台上，基于客户自己的数据完成。
Learning Services 包含三项能力。Insights 负责记录智能体的活动；Signals 负责找出失败和性能短板；Simulations 负责在部署之前模拟真实对话，测试潜在的改进方向。
增强版 Inference Router 与 Learning Services 彼此独立，但在 DigitalOcean 持续改进智能体的整体方案里作用关键。它会根据任务需求优化模型选择，在成本与输出质量之间取得平衡，并且能够针对新版模型重复跑同一套评估用例。
Agent Data Services 为 AI 智能体提供安全的托管数据底座，对文档、视频、音频、日志和智能体会话进行处理和索引，这些信息可以通过带内置治理与访问控制的统一目录搜索和访问。它还与 Learning Services 集成，支持智能体持续改进。
Agent Learning Services 构建在 Data Services 之上：Signals 把会话写入 Data Services，Optimizer 只有在客户明确授权的情况下，才会从中提取训练和测试数据。
LakeOps 联合创始人 Jonathan Saring 在 LinkedIn 上表示：
“回写循环是我觉得最有趣的部分。一旦追踪、工具调用和结果反馈到评估或学习中，它们就不再是‘普通日志’，而是生产数据。”
他还提到，大家都在讨论智能体数据层的读取端，相比之下“回写执行结果”的价值被低估了。多数团队把检索系统做得很好，却没有把结果妥善记录下来，结果 6 个月后没人能分清哪些工具调用真正奏效，哪些只是当时看着没问题。
TinyFish 联合创始人 Keith Zhai 在总结 DigitalOcean 发布视频时强调，Signals 和 Simulations 能在大量用户踩坑之前，依据异常会话完成修复：
用户在第 400 次碰到同一个问题之前，Signals 和 Simulations 就会把那段会话送进修复流程。工具调用显示成功，可用户最后还是把任务放下了——这依然是多数智能体技术栈没解决的地方。真正的卡点在于：有没有人能看懂用户实际走过的那段会话。
DigitalOcean Insights、Signals 和 Evaluations（包括 Simulations）目前已提供公开预览；Inference Router 优化和 Agent Data Services 则处于私有预览阶段。
