把15个工具换成一个REPL，表格智能体准确率从50%做到92%的完整失败复盘
Teaching Coding Agents to do Spreadsheets - Nuno Campos, Witan Labs · Nuno Campos
全片 19 分钟·真正值得盯屏约 4 分钟·2 个必看点
- 0:17 – 2:10听
被低估的难题：LLM为什么搞不定表格
开场定义问题：人类靠视觉瞬间理解表格结构，LLM则必须自行消歧布局与语义，这让电子表格成为编码智能体的盲区。
表格对LLM的难度被系统性低估，难点在结构消歧而非计算本身
纯口头论述铺垫问题背景，无画面依赖，适合当播客听▶ 跳到 0:17讲者 · Nuno Campos - 2:10 – 5:00听
死胡同清单：多智能体与SQL/XML表示全灭
复盘失败路径：多智能体架构、SQL、XML等所有单一表示方式均告失败；但探索留下了CSV/TSV局部视图和受HTML启发的渲染引擎两个副产品。
失败的表示方案不是白费——它们的残留物（局部视图、渲染思路）成了后续架构的零件
以叙事复盘为主，本章标记无值得看的画面，听讲者讲失败原因即可▶ 跳到 2:10讲者 · Nuno Campos - 5:00 – 7:20听
最大突破：一个带持久状态的REPL
把约15个工具替换为单一Node.js REPL：变量跨调用存续，一次调用组合多个操作，智能体得以在步骤间穿插推理，改造前10-15次顺序调用还常超时。
如果你的智能体在做大量顺序工具调用，你其实是在发明一门糟糕的脚本语言
核心论点靠口头阐述，无演示画面，但信息密度最高，值得全神贯注听完▶ 跳到 5:00讲者 · Nuno Campos - 7:20 – 10:50听
自建验证闭环：公式引擎+渲染引擎
仿照编码智能体依赖编译器/测试迭代的模式，自建公式引擎和渲染引擎作真值来源驱动自我纠错；并警告低保真引擎（只实现一半Excel公式）比没有闭环更糟。
闭环价值取决于引擎保真度——半成品真值来源会把对的答案改错
讲工程决策与踩坑，无现场演示，重在跟上“为什么值得自建”的论证链▶ 跳到 7:20讲者 · Nuno Campos - 10:50 – 14:22听
接口会过时，闭环不会
区分两层资产：REPL是当下最优接口，但随实验室推进计算机使用能力可能改变；四五次模型迭代表明模型越强从验证闭环中获益越多，引擎才是持久资产。
为“会过时的接口”和“不会过时的闭环”分开投资
战略层思辨，纯口头论述，适合边听边对照自己项目的资产分层▶ 跳到 10:50讲者 · Nuno Campos - 14:22 – 16:40略
确定性评估与伪装成推理失败的bug
用带输入输出的黄金表格做黑盒比对替代LLM打分；并指出许多“模型犯傻”实为基础设施bug：提示词错误示例被忠实遵循、工具故障导致反复重试。
能确定性评估就别用LLM评审；细读trace分辨“模型没做对”还是“我们能修”
涉及基准数字（50%→92%、74%跃升）大概率以幻灯片呈现，扫一眼数据页配合听讲即可▶ 跳到 14:22讲者 · Nuno Campos - 16:40 – 18:48听
六条可泛化的智能体构建经验
收束全片：REPL接口、自建闭环、确定性评估、领域知识收窄注意力等经验的提炼；强调领域知识的本质不是教概念，而是把无所不知的模型收窄到当前任务焦点。
领域提示词在所有工具迭代中持续有效，且几乎可原样跨方案移植
总结陈词无画面依赖，是全片最适合记笔记的部分，值得听两遍▶ 跳到 16:40讲者 · Nuno Campos