構建Shippy：AI代理在海洋安全領域的經驗教訓

Shippy是一個用於即時海洋領域感知的AI代理，其核心目標是提供高可靠性的決策支援。在海洋分析中，錯誤的答案可能導致巡邏船駛向錯誤方向，浪費稀缺資源並危及人員安全。因此，Skylight團隊在構建Shippy時，重點不在於模型本身，而在於構建一個值得信賴的系統——確保答案正確、不越界，並能應對廣泛的任務場景。

Shippy的架構由三部分組成：靈魂（soul）、技能（skills）和配置（config）。靈魂是系統提示，定義Shippy的角色和行為邊界；技能是處理特定請求的指令，以Markdown檔案形式存在，遵循與Claude Code等工具相同的規範；配置包括代理框架（OpenClaw）、LLM（當前為Claude Opus 4.6）和執行時設定。三者打包為Docker映象，實現版本化部署。

與Skylight API的互動透過專用CLI實現，而非讓代理直接構造API呼叫。Skylight API引數複雜，早期原型中代理常產生細微錯誤。CLI將複雜性封裝為簡單的命令（如skylight events search），處理認證、分頁和結構化輸出，並自帶幫助文件和錯誤資訊。輸出寫入本地JSON檔案，避免管道緩衝限制。

使用者隔離是Shippy的另一關鍵設計。Skylight服務於70多個國家的數百個政府機構和非政府組織，每個使用者的資料和對話歷史必須嚴格隔離。為此，團隊構建了Mothership代理託管平臺，為每個使用者會話提供獨立的Kubernetes部署。使用者開啟對話時，系統啟動一組包含代理執行時、技能和CLI的Pod，並以使用者的JWT令牌注入，確保API呼叫限於該使用者資料。代理寫入的檔案僅存在於會話內，網路層面也限制訪問範圍。

評估方面，Shippy不依賴靜態基準，而是構建了針對整體代理（包括模型、技能和沙盒）的評估系統。領域專家編寫場景和評分標準，由LLM評判對每個標準打分（0-1），加權彙總後與透過閾值比較。評估透過Harbor框架執行，每個任務在真實Shippy會話中執行，結果記錄時間戳並對比歷史版本。一旦技能、模型或資料變化，評估套件自動重新執行，防止迴歸。最新執行顯示，Shippy在資料檢索和安全約束任務上表現一致，但在巡邏規劃任務中有時越界，幾何查詢存在邊界簡化問題，還有一次虛構了不存在的CLI命令。這些直接指導了下一輪改進。

未來方向包括：代理驅動的UI控制，讓Shippy直接操作Skylight地圖；模型路由，簡單查詢使用較小模型以節省成本；跨執行緒記憶，使代理能記住使用者的偏好和上下文。Shippy的經驗已應用於Ai2的其他平臺，如野生動物保護平臺EarthRanger和地球觀測工具集OlmoEarth。Mothership被設計為通用平臺，可託管其他代理。Shippy由Ai2的Skylight團隊構建，Skylight是一個免費的海洋領域感知平臺，已被300多個合作伙伴在70多個國家使用。