自定义专家,不应该只是一个 Prompt 输入框
ETF Agent 工程实践:从个人研究方法到可恢复的 Subagent
如果希望用户创建自己的 AI 专家,最简单的实现方式是什么?
做一个设置页面,填写名称、描述和 Prompt,保存到数据库。下次用户选择这个专家时,把 Prompt 放进模型请求。
从演示来看,似乎已经足够。但当我们真正将自定义专家接入 ETF Agent 的研究系统时,问题远不止如此:用户编辑了专家,正在运行的研究要不要立即采用新版?模型怎样发现专家,又怎样避免把所有人的完整 Prompt 都塞进主上下文?研究中断后恢复,究竟该使用哪个版本?如果某位专家写着“访问全部数据”,它真的获得了这些权限吗?
这些问题决定了“自定义专家”是一段临时提示词,还是一项能够长期维护的产品能力。
我们选择不为每位专家创建一套 Runtime,而是让用户保存一份带有身份和版本的研究方法,交给既有的通用 Subagent 执行。实践中也踩过一些很具体的坑:指引进入了错误的请求层级,Child 明明使用了个人专家,History 却识别不出它,还有一次浏览器验证因两份 React 实例而出现空白页。
这篇文章只讨论用户自定义专家的保存、选用、执行和恢复。Web/PDF/Python 能力包与多 Agent 对话,是它所依赖的基础,而不是本文要重复介绍的系统全景。
一、为什么不能继续给 Child 叠加一个角色 Prompt?
ETF Agent 原本就有 Web、PDF、Python 子代理和六种内置投资方法。前者指向资料阅读与计算的工作侧重,后者代表 Markowitz、Taleb、Bernstein、Bogle、Marks、Fama-French 等不同研究框架。
这些方法由开发者维护。可用户自己的习惯未必符合固定目录:有人要求始终检查基金费率与跟踪差,有人先穿透底层持仓,也有人希望每个判断都附带证伪条件。把这些习惯写进系统 Prompt 会影响所有任务;让用户每次重述又无法积累方法。
早期接口分别用 type、perspectiveId 和 subagentProfileId 表达执行专长、投资视角与个人配置。这是按需求逐步增加的合理设计,但随着专家种类增加,调用者开始需要理解多个维度的组合。
我们没有简单新增一个 custom 类型,或只在界面隐藏复杂参数。统一普通 Child 的选择接口改成:
{
"agentId": "user/<profile-id>",
"task": "根据已提供的披露资料核对基金底层持仓重叠"
}这里的 ID 仅作形状示例;实际 user/ 后面是服务端签发的 Profile UUID。不选专家时使用 builtin/general。一次普通 Child 只绑定一份专家定义;执行机制、模型路由和授权并不随专家名称重新创建。
用户保存的是“怎样研究”,而不是“另一个拥有独立权力的 Agent”。 这成为后续设计的分界线。
二、保存的是方法,不是运行平台
第一期个人专家故意保持很轻:
| 字段 | 用途 |
|---|---|
name | 用户识别和管理时显示的名称 |
description | Main 判断何时适合使用这位专家 |
instructions | 选中后交给 Child 的完整研究方法 |
enabled | 是否向后续新研究开放 |
例如用户可以创建“基金持仓重叠检查员”。描述说明它核对多只基金的底层资产集中度;指引要求先检查持仓披露日期,区分产品名称与底层公司,资料不足时保留未知,而不是输出精确暴露的猜测。
这只是一个教学配置,不是 ETF Agent 对真实基金结果的认证。它说明个人专家最值得保存的内容是判断顺序、关注点和可重复使用的约束,不必是富有戏剧感的虚拟人设。
服务端为个人配置分配稳定的 profileId,保存 revision、内容哈希与账户归属。保存或更新时,客户端提交 expectedRevision,数据库通过条件更新防止并发覆盖。删除是软删除:停止新研究继续发现此专家,但不把已经发生的研究改成“从未使用过它”。
还有容量界限。当前配置限制是最多保存 20 个 Profile、启用 8 个;这些限额服务于账户存储与模型目录的可控性,不是每位专家的推理预算。
当保存失败、发生版本冲突或超过容量时,UI 需要保留用户未提交的编辑,不能把错误提示当作一次成功保存。受控浏览器测试中,两页同时编辑同一 Profile:先保存的新版生效,旧修订被拒绝且未提交草稿保留。这里使用的是合成身份和进程内存储,不能当作生产登录验收。
三、从设置页到研究结果,一条链如何走通?
按起点分组阅读关系与条件;完整图保留在下方。
- → 已保存背景
- → 运行快照
- → 主代理目录
- → 选定专家
- → 通用子代理
- → 结果回执
- → 主代理回答
- → 历史记录
完整关系图 · 可放大查看细节
这张图是关键事实的交接关系,并不是一条必须按固定速度顺序执行的队列。
1. 新 Run 冻结自己的目录
研究开始时,系统读取该账户已经启用、未删除的个人专家,并将当时的内容与版本固定到这个 Run。
Main 收到的是有界的目录:精确 ID、名称、描述。它不需要一次性加载所有专家的完整 instructions。只有选中某位专家,完整方法才作为带有用户来源标记的数据进入对应 Child。
目录为空与目录读取失败是不同事实。后者需要反馈“当前专家配置不可用”;系统可以继续其他获准研究,却不能悄悄用 General 替代一位被明确要求的专家。
2. 由同一套 General Child 执行
Child 沿用既有模型、工具、来源授权、资源管理与结果交付。个人专家的说明并非新的系统指令,也不授予交易、发布、递归创建 Child 或额外数据访问权限。
这并非只靠 Prompt 写一句“不要越权”就能保证。在一次受控请求装配回归中,迁移到统一 agentId 后,个人 instructions 曾误入 Child 的通用 system 层。我们沿原请求装配纠正来源位置,确保 Main 只得到目录、选中的 Child 才收到冻结方法。一段指引是否可信,还取决于它来自谁、以什么角色进入最终请求。 这是工程测试发现的问题,并无真实用户数据泄露的证据。
一次执行选择的准确身份包含 agentId、来源、版本、内容哈希和个人修订号。agentId 不是文件路径,也不是执行脚本的许可证。
当前用户自定义 Profile 是文本型配置。与此相邻,内置 PDF 等受管理专家已支持 SKILL.md、参考文件和受控 Python 辅助脚本;但用户目前不能因此随意上传 ZIP 并执行任意代码。共用选择入口,不等于共用全部包安装能力。
3. Main 只依据实际结果交付
Child 完成工作后,原执行系统记录实际结果。Main 可以读取结果并综合回答;History 根据原 Child 身份和绑定版本显示实际使用的个人专家。
迁移期间,Child 已使用新的 agentId,旧 History 读者却因识别旧字段而漏掉专家归属。修正不是凭专家名称推测,也不是拿账户中的最新版补旧记录,而是回到原 Child 的准入、冻结方法和真实执行回执。这样,日后的改名、停用或软删除都不会改写当时使用的版本。
“创建成功”“被选中”“Child 已准入”“Child 已交付”是四件不同的事。系统不能因为界面显示了一个角色名称,就声称该专家真正完成了研究。
4. 旧研究不能偷用新版本
一个反例足以说明为什么需要 Run 快照。
上午使用 Profile 第一版启动基金研究。下午用户把它改为第二版,增加更严格的披露时点要求。晚上研究从暂停点恢复。
如果恢复时只凭 profileId 重新查最新配置,同一次研究前后就可能使用不同方法,却显示同一个名字。因此我们保持原 Run 的冻结内容:新编辑只影响后续新 Run,旧 Run 沿原绑定继续。
这既是版本一致性,也是解释研究结果时必要的事实基础。
四、对照 Octop:模板、实例和执行不必是一个东西
腾讯云开源的 Octop 展示了另一种专家产品路线。它的专家模板可以包含 manifest.json、SOUL.md、IDENTITY.md、Skills 等文件,实例化时把模板内容写入独立 Agent 工作区。用户随后持续使用、修改,还可以通过受支持的机制分享或发布模板。具体模板复制与目录机制可参见其 Expert Catalog 源码。
Octop 更适合“长期独立工作的数字助手”这个产品问题,而 ETF Agent 当前的个人 Profile 主要回答:“一次完整研究怎样准确采用用户保存的某套方法?”
两条路线各有合理性。独立专家实例便于保留自己的对话、文件和工作习惯,但需要管理更多长期状态。我们则让个人方法进入原 Run/Child 体系,不复制模型、记忆、预算和恢复栈;代价是个人专家暂时没有独立的长期对话空间。
比较之后,我们更确信应该分清三个对象:
- Expert Definition:这位专家采用什么方法,哪个内容版本;
- Expert Execution:这次在什么授权范围内实际做了什么;
- Expert Workspace:如果确有长期使用需求,才为它持有哪些持久工作资料。
未来可以借鉴 Octop 的专家卡片、示例任务、模板分享等体验,但不必仅为了一个 Prompt 配置页面,就创建第二套 Agent 平台。尤其在金融场景,模板共享不能自动带走个人持仓、私人研究历史或原授权。
五、用户真正怎么使用专家:从建议到真实贡献
原先的问题是“我能不能保存一个专家”;进一步实现后,问题变成“我在聊天里选了它,它到底有没有参与这次研究”。
我们没有把目录卡片设计成新的执行入口。账户可见的专家目录只展示身份、用途与示例,不返回私有完整指引;输入框里的卡片选择和明确的 @ 选择使用同一条精确 agentId 链路。用户原文保留,发送后由原消息与 Entry 保存选择,再由 Main 在合法条件下委派 Child。文本里偶然出现一个专家名字,不能凭字符串匹配变成一次授权调用。
这里有四层不能合并的事实:
| 用户看见的东西 | 真实含义 | 不能冒充 |
|---|---|---|
| 专家目录、方法说明 | 当前账户可以发现的配置 | 已获得工具权限 |
| 显式选择、常用组合 | 对本次研究的选择或建议 | Child 已经派发 |
| Child 请求、阶段回执 | 原执行者实际开展了哪些工作 | Main 已采纳该观点 |
| Main 正文与 History 贡献区 | 已提交的答案及可见执行依据 | 专家观点已达成共识 |
例如,一个合成的基金研究问题需要核对 PDF 中的费率,并计算组合风险。用户选择 PDF 专家,另从常用组合取得 Python 专家的可编辑建议。Main 可以只派发部分合适的 Child,不能因为组合里有两位就显示“两位专家均已参加”。运行中 PDF Child 交出带引用的结果后,统一贡献区沿原 taskRef 和实际结果呈现它;Main 是否采用以及最终怎样解释,仍由 Main 的正文说明。
账户常用组合的 presetId、版本、名称和专家 ID 列表由原账户存储维护。应用组合只是填入可编辑建议,不自动开启团队房间、Peer 对话、Reviewer 或额外预算。刷新、历史重开只读原 Run 冻结的选择与实际贡献,不能用今天的目录为昨天的运行补一个虚构成员。贡献展示局部失败时,原正文与下载仍应独立可读。
六、让专家改变研究方向,而不改写历史
研究描述也不能被 Main 最初的一句话永久锁死。假设 Main 交给某位 Child:“计算这两只基金底层持仓的精确重叠”。Child 阅读披露后发现其中一只只有前十大持仓;继续执行原命令,容易把部分覆盖当作完整重叠。
我们把方法身份的冻结和本次研究任务的修订分开。专家包、账户修订号以及原 Run 身份保持不变;Child 则可在原 submit_subagent_result 的可选 update 中修订 task、hint、relationHint 和合法 inputRefs。已接受的修改只进入后续请求,不覆盖原创建记录、已派发请求或用户原话。
下面是抽象教学示意,不是原始模型输出:
{
"summary": "第二只基金仅披露前十大,无法计算完整持仓重叠",
"update": {
"task": "计算已披露部分的重叠,并明确覆盖率与不可推断部分",
"relationHint": "供主研究参考,不能将部分覆盖写为完整敞口",
"inputRefs": ["本次运行已授权的真实结果引用"]
}
}新增输入仍经过原授权和来源检查;越界输入只能被局部拒绝,不能顺便取消已经合法的描述修订或清空独立正文。模型自己修改研究方法不意味着可以换一个专家身份、追加资源额度、放宽账户限制或把文字关系变成自动等待的任务图。尤其是 relationHint:它表达希望怎样协作,不代表另一位 Child 已执行、已发送消息或其结果已被读取。
这项演进与 OpenAI Agents SDK 对 agents-as-tools 与 handoff 的区分有相邻问题:这里选择让 Main 继续负责用户回答,而不是把对话控制权永久交给某个专家。但具体的版本化配置、软偏好、回执修订和账户展示,仍要由应用的原负责者实现。新增自由度值得投入的条件,是它能保留真实依据而不是制造更多模型自述。
七、这套机制已经走到哪里?
截至 2026 年 10 月 27 日,个人 Profile 的版本冻结、普通消息精确选择、专家软偏好与预加载、按需调用指南、目录/贡献展示、常用组合及 Child 自主描述修订,都已有真实实现与有界工程验收。隔离的 PostgreSQL、认证浏览器和脚本化模型请求用于证明选择、存储、回读、恢复与界面路径,不能代替真实模型是否会选对专家或采用偏好的质量评估。
更早的真实模型研究样本主要是内置研究方法或 General/Python,仍不能推断个人自定义专家已经在真实投资问题上提高质量。新增体验也不意味着允许账户随意安装可执行专家包、给某位专家一套独立预算,或者让建议文本获得交易授权。
这不妨碍解释一个已经成立的工程判断:个人研究方法可以作为版本化的数据,复用现有 Child 执行与结果系统;没有必要因此新增一个拥有全部权限的 Expert Manager。
在 Open ETF Agent 中复现这个边界
截至 2026-11-11,v0.27.0 提供了这套设计的一个较小、可运行的实现:项目内专家配置与有序预设。它把方法交给原有的串行 Child,不包含上文完整系统的账户设置页、@ 选择、软偏好、贡献界面或 Child 自主任务修订。前面的账户配置与浏览器观察保留自己的历史范围,不是公开版的功能清单。
在这个实现里,操作者用 specialist create 保存 name、description、enabled 和已有 Child method 描述;提交任务时,--specialists 文件明确选择 profileId 与 revision,或选择一个固定修订的 presetId。例如,已经存在的 fee-check 第一版可以由下面的选择文件引用:
{"profiles":[{"profileId":"fee-check","revision":1}],"maxChildren":1}这里固定的是“这次可以采用哪些方法”,不是命令 Main 必须逐个调用。Profile 的 ID/修订与方法的 ID/版本分别保存;一个预设不能通过换名称绕过重复方法检查,也不能获得另一份 Root 预算。新任务遇到过期、停用或删除的配置会被拒绝;已提交任务则使用冻结数据,即使目录后来改变,重试确认和冷恢复也不会重新查询“最新版”。这正是前文上午第一版、下午第二版例子在公开代码中的落点。
可以先沿项目指南准备本地项目与合成资料,再按专家配置指南执行初始化、创建、提交、run work、run inspect 和 run report。需要先看一个无模型密钥的完整消费例子时,在该固定版本安装 README 指定依赖、使用其声明的 Node.js 版本后运行:
mkdir -p test-output
V027_TEST_ROOT="$PWD/test-output" node --test test/specialist-project.test.mjs这组可执行案例创建合成资料、冻结专家选择、移走当前目录,再由另一个进程执行原 Child 并保存报告,最后独立读回报告;终态重开时设置一个不允许再派发的 Gateway。它使用脚本模型,证明的是身份和交接路径,不是专家的研究质量。
还有一个值得区分的输入选择。child-method@2 的 independent-evidence 模式让 Child 读取冻结原始问题、操作者方法和获准来源,不把 Main 临时写下的解释当成它的任务前提;Main 那段原话仍留在父任务记录中。例如“尚不能证明生效”不能因为委派时被说成“已经无效”,就变成独立复核的默认结论。这只去掉一条输入污染路径:Main 仍选择方法与资料子集,Child 也仍可能推理错误。需要依赖局部子问题的方法继续使用原 v1 合同,不静默改写历史任务。
最终看报告而非角色名。固定源码中的配置生命周期与独立输入用例可以对照阅读。真实模型观察中出现过 Publication 已保存却没有报告文件,以及 Main 加强 Child 结论的情况;原观察保留这些区别。新任务可显式选择 artifact-required@1,让缺报告文件不能被算作完成,但这不生成不存在的报告,也不自动重试,更不能把“文件已交付”升级为“观点正确”。
结语
实现自定义专家最简单的一步,是提供 Prompt 输入框。让它真正可维护的,是方法身份固定、任务描述可修、实际贡献可重读,而不让“用户喜欢什么”变成“系统已经做了什么”。
ETF Agent 的做法不要求每新增一种个人研究方法,就额外维护一个模型实例、一份预算、一套授权或一份任务账本。用户可以逐步积累自己的研究习惯;系统则在每次执行中记录:用了谁的方法、采用哪一版、实际上完成了什么。
专家值得被复用,执行事实更值得被保留。
只有两者分离,用户定义的专家才能从一次性的角色扮演,演变成一种可以持续升级、又不会拖垮已有 Runtime 的能力。
延伸阅读与交流
Subagent:从上下文隔离到专业化协作 · 模型会理解,代码才授权 · ETF Agent 技术文章仓库(欢迎 Star)。