DigitalOcean近日正式推出学习与数据服务，旨在构建统一的AI原生云平台，助力AI智能体实现自我迭代与持续优化。该平台基于其Inference Engine与Managed Agents，通过智能体自我学习、弱点识别、改进测试等能力，推动智能体从真实交互中进化。新服务覆盖学习、数据服务两大方向，其中学习服务整合洞察、信号检测、模拟评估等能力，增强式路由引擎精准优化模型选择，平衡成本与质量；数据服务则提供安全托管数据底座，整合多类型业务数据，支持统一检索与治理，并与学习服务深度联动。整体服务围绕智能体自主迭代展开，充分结合真实数据实现高效优化，标志着AI智能体在平台化、数据化、迭代化的推进，为相关技术场景的优化应用提供支撑。

--91likeyou---

Learning Services 包含了三种能力：Insights，用于记录智能体活动；Signals，用于识别失败和性能短板；以及 Simulations，用于在部署前通过模拟真实对话来测试潜在的改进。

增强版 Inference Router 与 Learning Services 相互独立，但在 DigitalOcean 持续改进智能体的方案中扮演着关键角色。它根据任务需求优化模型选择，平衡成本与输出质量，并可针对新版模型重复执行同一套评估用例。

Agent Data Services 为 AI 智能体提供了一个安全的托管数据底座。它处理并索引文档、视频、音频、日志和智能体会话，使这些信息可通过具有内置治理和访问控制的统一目录进行搜索和访问。它还与 Learning Services 集成，支持智能体的持续改进：

LakeOps 联合创始人 Jonathan Saring 在 LinkedIn 上指出：

回写循环是我觉得最有趣的部分。一旦追踪、工具调用和结果反馈到评估或学习中，它们就不再是“普通日志”，而是生产数据。

同样地，高级工程师 Deepanshu Udhwani 认为：

与人们都在谈论的智能体数据层的读取端相比，“回写执行结果”这件事的价值被低估了。大多数团队构建了出色的检索系统，却没有妥善记录结果，所以 6 个月后，没有人能分辨哪些工具调用真正奏效了，哪些只是当时看起来没问题。

TinyFish 联合创始人 Keith Zhai 在总结 DigitalOcean 的发布视频时强调，Signals 和 Simulations 可以在大量用户踩坑之前基于异常会话完成修复：

Signals 和 Simulations 会在第 400 个用户遇到同样问题之前将该会话拉入修复流程。工具调用返回成功，但用户最终放弃了任务，这仍是大多数智能体技术栈的痛点。瓶颈在于是否有人能够读懂用户实际经历的那个会话。

DigitalOcean Insights、Signals 和 Evaluations（包括 Simulations）现已提供公开预览。Inference Router 优化和 Agent Data Services 则提供私有预览。

查看英文原文：

🔥 热词：#Services · #DigitalOcean · #AI · #Learning · #Agent · #Inference · #Data · #Engine