# Ai2 公开 Shippy 海事 AI 助手的工程经验：把不可靠的模型装进确定性的工具里

> 原标题：What building Shippy taught us about building agents

- 来源：Hugging Face 博客
- 发布时间：2026-07-15T17:29:41.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/45364
- 原文：https://huggingface.co/blog/allenai/shippy-tech-blog

## 摘要

Ai2 的 Skylight 团队做了一个叫 Shippy 的海事 AI 助手，帮分析师查渔船活动、专属经济区边界和船只轨迹。他们把架构拆成三块：灵魂（系统提示词，定人设和行为边界）、技能（用 Markdown 文件教它调 API 和解读轨迹数据）、配置（运行时设置，目前用 Claude Opus 4.6 加 OpenClaw 框架）。核心思路是用确定...

## 推荐理由

Ai2 的三层 Agent 架构和用 Markdown 当技能说明书是能直接拿来用的工程思路，但渔船监控这个领域太小众，普通读者代入感弱，刚好卡在 featured 门槛上。

## 锐评

这篇技术博客讲的是Ai2的Skylight团队怎么给海事分析师做了一个叫Shippy的AI助手，用来查渔船活动、专属经济区边界和船只轨迹。他们没在模型上死磕，而是把架构拆成了三块：灵魂就是系统提示词，定人设和行为边界；技能是用Markdown文件教模型调API、读轨迹数据；配置是运行时设置，目前跑在Claude Opus 4.6加OpenClaw框架上。核心思路是用确定性的工具把不确定的模型框住——每条回答必须附上数据来源、截止时间和一个跳回Skylight地图的链接，分析师可以自己核实。

这个做法挺务实，相当于给模型套了个紧箍咒，让它不能瞎编。但文章没披露两个关键数字：一是错误率，在海上执法这种场景，一个错误可能让巡逻船白跑几十海里，成本不低；二是延迟，实时海事数据更新频繁，如果回答太慢就失去意义了。另外，评估部分只提了“把agent当系统测，不单测模型”，具体怎么测、测了什么指标都没展开。如果是真的能在生产环境跑稳，这套“灵魂+技能+配置”的拆法对做垂直领域agent的团队有参考价值，但没看到硬指标前，先打个折。