DigitalOcean推出Agent学习与数据服务，公开预览版上线
DigitalOcean 开放 Learning Services 与 Agent Data Services 预览版，支持开发者在同一 AI 原生云平台搭建、评测并持续优化 AI 智能体。
DigitalOcean 上线了 Learning Services 和 Agent Data Services 的公开预览版。开发者可以在同一个 AI 原生云平台上构建、评估并持续打磨 AI 智能体。
这两项新服务依托 DigitalOcean 的 Inference Engine 和 Managed Agents 搭建。智能体现在能通过真实交互进行学习，找出自身薄弱环节，测试改进方案，并用企业自有数据来支撑这一过程。
DigitalOcean 方面表示，做 Inference Engine 是为了让智能体具备思考能力，做 Managed Agents 是为了让它们能执行动作，这次推出 Agent Learning Services 和 Agent Data Services，则是为了让智能体不断变好。这些能力全部跑在一个开放的云平台上，用的是客户自己的数据。
Learning Services 由三项能力组成。Insights 负责记录智能体的活动，Signals 负责找出失败和性能短板，Simulations 则在上线前模拟真实对话，用来验证可能的改进。
增强版 Inference Router 和 Learning Services 彼此独立，不过在 DigitalOcean 改进智能体的整体方案里地位关键。它会按任务需要来选模型，在成本和输出质量之间找平衡，同一套评估用例还能对着新版模型反复跑。
Agent Data Services 给 AI 智能体提供了一个安全的托管数据底座。文档、视频、音频、日志和智能体会话都由它处理并建立索引，这些信息可以借助带内置治理和访问控制的统一目录来搜索和访问。该服务也和 Learning Services 打通，为智能体的持续改进提供支持。
Agent Learning Services 是建立在 Data Services 之上的。Signals 会把会话写入 Data Services，Optimizer 只有在客户明确授权的情况下，才会从中提取用于训练和测试的数据。
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。追踪、工具调用和结果一旦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，和眼下大家都在谈的智能体数据层读取端相比，“回写执行结果”这件事的价值被低估了。多数团队把检索系统做得不错，却没把结果好好记下来。结果 6 个月后，谁也说不清哪些工具调用真正起了作用，哪些只是当时看着没问题。
TinyFish 联合创始人 Keith Zhai 在总结 DigitalOcean 的发布视频时强调，Signals 和 Simulations 能在大量用户踩坑之前，基于异常会话完成修复：
多数智能体技术栈仍卡在同一个地方：工具调用显示成功，用户却最终放弃了任务。Signals 和 Simulations 的做法是，在同一个问题波及到第 400 个用户之前，就把该会话送进修复流程。关键要看有没有人能还原并读懂用户真正经历的那场会话。
DigitalOcean Insights、Signals 和 Evaluations（含 Simulations）目前已经开放公开预览。Inference Router 优化和 Agent Data Services 则处于私有预览阶段。
