AI2深度剖析Shippy海事智能体：可靠性与沙箱化设定行业新标杆

背景与挑战

在海事域监控中，错误的情报可能导致巡航船只误航，浪费稀缺资源甚至危及人员安全。AI2的Skylight平台为全球300+合作伙伴提供实时卫星与船舶数据，团队因此打造了专门的智能体 Shippy，旨在把最新的大模型能力转化为可验证、可追溯的决策支持工具。

代理结构：灵魂、技能、配置

Shippy 的设计被抽象为三层：

• 灵魂（Soul）：系统提示定义了智能体的人格、行为边界以及不可逾越的守则，例如不做法律判断、仅在数据支持范围内作答。
• 技能（Skills）：每项功能以 Markdown+Front‑matter 的形式声明，涵盖查询 Skylight API、检索 EEZ/MPA 边界、解析船舶轨迹、生成交互式地图链接等。技能文件可独立版本化，便于迭代。
• 配置（Config）：决定使用的代理框架（OpenClaw）、底层大模型（Claude Opus 4.6）以及运行时参数。密钥等机密在容器启动时注入，实现模型或框架切换无需重新构建镜像。

可预测的工具链

为避免模型自行构造错误的 API 调用，Shippy 通过专属 Skylight CLI 与后端交互。CLI 将复杂的分页、几何编码、过滤器等细节封装为统一的命令行参数，提供：

• 明确的类型检查和错误提示；
• 所有返回结果写入本地 JSON 文件，防止管道缓冲区溢出；
• 自动认证与权限控制，确保每次调用仅限当前用户数据。

这种“工具决定论”让 Shippy 的每一步都可独立单元测试，降低因模型自由度导致的隐蔽 bug。

沙箱化托管与隔离

Skylight 为每位用户分配独立的 Mothership Kubernetes 实例。

• 会话启动时自动调度一组 Pods，包含智能体运行时、技能集合和 Skylight CLI；
• 用户的 JWT 在部署时注入，确保 API 调用严格受限于该账户的数据范围；
• 会话产生的临时文件、代码和依赖仅在该 Pod 内可见，结束后即被回收，彻底防止跨用户信息泄漏。

这种多租户沙箱在保证安全的同时，也为大规模商用提供了可靠的扩展模型。

评估体系与结果

传统基准侧重静态问答，无法衡量智能体在真实工作流中的表现。AI2 因此构建了 Harbor 评估框架：

1. 领域专家编写真实业务场景与评分细则（数据准确度、边界解析、时间范围、来源标注等）。
2. 自动化启动对应版本的 Shippy，执行场景并记录完整对话。
3. LLM 评审根据细则给出 0‑1 分并提供文字解释，最终加权汇总得到 Pass/Fail。

近期评测显示，Shippy 在数据检索与守卫任务上表现稳定，能够拒绝军事情报请求、保持用户数据隔离并准确引用来源。主要短板集中在：

• 边界几何简化导致的事件漏检；
• 在巡航规划类任务中偶尔给出战术建议超出决策支持范围；
• 偶尔生成不存在的 CLI 命令。上述问题已直接驱动技能和提示的迭代。

未来路线图

AI2 正在将 Shippy 推向更广泛的早期用户，并计划实现：

• Agent‑驱动的 UI 控制：智能体不仅返回地图链接，还可直接操作 Skylight 前端，实现区域平移、过滤器调节等交互。
• 模型路由：根据查询复杂度自动切换轻量模型与 Claude Opus，以降低成本并提升响应速度。
• 跨会话记忆：保存分析师的偏好（如所属 EEZ、常用数据源），在新会话中自动复用，提升工作效率。

Shippy 的平台化实现已经在 Wildlife‑conservation 项目 EarthRanger 与遥感套件 OlmoEarth 中复用，标志着 AI2 正在将海事智能体经验迁移至更广阔的环境治理领域。

“可靠性不是模型的属性，而是整套工具链、沙箱和评估体系的共同结果。” — AI2 Skylight 团队