招聘 Agent 总推荐 Google 员工，招聘者却想找 GitHub 上的冷门高手：怎样把这种偏好写进系统

导读

招聘 Agent 总推荐大厂名人，招聘者却希望找到开源社区里的冷门高手，怎样把这种偏好变成系统能力？Introspection 的 Roland Gavrilescu 把工作分成两个循环：第一层通过搜索和工具完成用户任务，验证结果是否达到目标；第二层收集运行记录、用户反馈、成本和失败案例，修改下一版的指令、Skill、工具或评测。团队可以从多条记录中发现候选人过度集中，再起草 judge，用大厂合适人选和高质量开源贡献者等正反例校准。指令、权限、模型配置和检查规则一起放进可版本化的 Recipe；候选改动先跑离线回归，再通过线上实验判断用户是否认可新的结果，并在质量达标后比较成本，让每次改动的原因和结果可以追溯。