Laminar：用RL模型捕捉AI Agent静默失败

Launch HN: Laminar (YC S24) – We trained a model to catch silent agent failures

我们是Laminar的Robert和Din，自2024年起致力于构建AI Agent的开源可观测性方案。我们最新发布了flow-1模型，它通过强化学习训练，专门用于在Agent执行轨迹中发现错误。在基准测试中，flow-1的检测质量可与GPT-6-sol媲美，但成本仅为后者的二十分之一，这使得分析每一个生产环境的Agent轨迹成为可能，而无需抽样。Agent运行步骤繁多，常出现点击错误或引用错误等“静默失败”，这些错误虽不报错却极具危害。传统平台仅做数据收集，而利用大模型分析轨迹又成本高昂。我们微调了开源小模型并结合RL进行后训练，使其既精准又廉价。flow-1运行在我们称为Signals的框架中，将Agent轨迹视为代码仓库，能响应通用提示并返回结构化JSON信号。我们自动将相似事件聚类，帮助用户发现 recurring problems，构建评估数据集，从而形成“追踪-分析-修复-发布”的完整闭环。