构建一个在高风险领域（比如海洋保护）可靠运行的AI代理，本质上是解决可靠性问题。对于海事分析师来说，一个错误答案可能导致巡逻船偏离数英里，浪费稀缺资源甚至危及人员。所以Shippy团队真正的挑战不是模型本身，而是构建一个能确保正确、严守边界、在大量任务中表现稳定的系统，并且这一切还要在持续更新的实时数据上验证，而不是静态快照。

他们把代理拆成三部分：灵魂（soul）、技能（skills）和配置（config）。灵魂是系统提示词，定义代理的人格和行为边界；技能是具体任务的处理指令，用markdown文件管理，可版本化可修改；配置包括使用的代理框架（OpenClaw）、LLM（当前是Claude Opus 4.6）和运行时设置。为了对抗LLM的非确定性，他们构建了一个确定性的CLI工具——Shippy通过调用CLI来查询Skylight API，而不是直接构造API请求。CLI封装了认证、分页和结构化输出，避免了一堆隐藏bug。每个用户会话都在独立的临时沙盒中运行，他们为此开发了Mothership托管平台，为每个会话启动专属Kubernetes部署，数据隔离、网络限制。评估部分他们也自己搞了一套：让领域专家编写场景和评分标准，用真实数据跑一遍完整代理流程（包括模型、技能、沙盒），然后用LLM裁判按权重打分，而不是依赖静态benchmark。

最让我受启发的是他们对可靠性的整体思路：不指望LLM永远正确，而是通过分层——类型化API、确定性CLI、可测试的技能——逐步缩小每个层次可能出错的范围。这种工程哲学比单纯调prompt或微调模型更务实。另外，他们把soul（行为边界）显式写在系统提示词中，而不是隐含在微调里，这样可审计、易修改，对于监管敏感领域非常关键。目前Shippy已开放早期试用，下一步计划包括模型路由（简单查询用小模型）、跨线程记忆等。这套架构已经在影响Ai2其他平台，如EarthRanger和OlmoEarth，Mothership也被设计成通用的代理托管框架。构建可靠代理的秘诀不是让模型更强，而是让工具的确定性约束模型的非确定性。