数字学徒：一种人类导向的代理式 AI 开发框架

针对代理式 AI 部署中人类监管与自主性之间的张力，本文提出“数字学徒”框架。该框架将代理视为发展型学习者，仅在实证证据充分时逐级授予技能自主权。其三大支柱包括：方法论捕获，将人类隐性知识结构化；授权机制，由人类审批自主权升级；持续对齐，运行时纠正漂移并转化为偏好数据。实验表明，该系统能有效应对数据漂移，在流量变化下恢复质量，为构建可扩展且可信的代理系统提供了新路径。