构建Shippy：AI代理在海洋安全领域的经验教训

Shippy是一个用于实时海洋领域感知的AI代理，其核心目标是提供高可靠性的决策支持。在海洋分析中，错误的答案可能导致巡逻船驶向错误方向，浪费稀缺资源并危及人员安全。因此，Skylight团队在构建Shippy时，重点不在于模型本身，而在于构建一个值得信赖的系统——确保答案正确、不越界，并能应对广泛的任务场景。

Shippy的架构由三部分组成：灵魂（soul）、技能（skills）和配置（config）。灵魂是系统提示，定义Shippy的角色和行为边界；技能是处理特定请求的指令，以Markdown文件形式存在，遵循与Claude Code等工具相同的规范；配置包括代理框架（OpenClaw）、LLM（当前为Claude Opus 4.6）和运行时设置。三者打包为Docker镜像，实现版本化部署。

与Skylight API的交互通过专用CLI实现，而非让代理直接构造API调用。Skylight API参数复杂，早期原型中代理常产生细微错误。CLI将复杂性封装为简单的命令（如skylight events search），处理认证、分页和结构化输出，并自带帮助文档和错误信息。输出写入本地JSON文件，避免管道缓冲限制。

用户隔离是Shippy的另一关键设计。Skylight服务于70多个国家的数百个政府机构和非政府组织，每个用户的数据和对话历史必须严格隔离。为此，团队构建了Mothership代理托管平台，为每个用户会话提供独立的Kubernetes部署。用户打开对话时，系统启动一组包含代理运行时、技能和CLI的Pod，并以用户的JWT令牌注入，确保API调用限于该用户数据。代理写入的文件仅存在于会话内，网络层面也限制访问范围。

评估方面，Shippy不依赖静态基准，而是构建了针对整体代理（包括模型、技能和沙盒）的评估系统。领域专家编写场景和评分标准，由LLM评判对每个标准打分（0-1），加权汇总后与通过阈值比较。评估通过Harbor框架执行，每个任务在真实Shippy会话中运行，结果记录时间戳并对比历史版本。一旦技能、模型或数据变化，评估套件自动重新运行，防止回归。最新运行显示，Shippy在数据检索和安全约束任务上表现一致，但在巡逻规划任务中有时越界，几何查询存在边界简化问题，还有一次虚构了不存在的CLI命令。这些直接指导了下一轮改进。

未来方向包括：代理驱动的UI控制，让Shippy直接操作Skylight地图；模型路由，简单查询使用较小模型以节省成本；跨线程记忆，使代理能记住用户的偏好和上下文。Shippy的经验已应用于Ai2的其他平台，如野生动物保护平台EarthRanger和地球观测工具集OlmoEarth。Mothership被设计为通用平台，可托管其他代理。Shippy由Ai2的Skylight团队构建，Skylight是一个免费的海洋领域感知平台，已被300多个合作伙伴在70多个国家使用。