Intent Is All You Need (for agent)

AI 时代符合第一性原理的设计理念胜过复杂的 Agent 工程。

我们让 AI 准确完整表达意图，然后高效执行，数十倍提升工具调用效率。

我们让工具适应 AI，做 AI 友好的基础设施。

我们开发完只测试了一个题目就下场正式比赛了，整场比赛使用kimi k2 为主的情况下只消耗了价值1k多人民币的Token。

模型工程 attention is all you need，那么agent工程就是intent is all you need。 

我们认为所有繁复的当前的agent工程都是中间阶段。

事实也证明，我们不需要任何知识库，扫描器，sop，复杂工程的agent，也能达到甚至超过很多投入了我们数百倍工作量。

通用超级agent正在诞生，我们需要做的是实现Intent Runtime，让超级agent贯彻人类的意图。

我们认为意图工程的终极形态是出现AI Native Programming Language. 专家可以通过形式化的自然语言充分表达意图，通过Runtime执行ANPL中的意图。 

答疑

意图工程这部分的代码真的只有100行么？

我们的100行代码主要实现了baby runtime ， 意图工程是我们认为未来的AI工程化趋势

是否是claude code在其中发挥了主要作用？实际上和我们的工作并无关系？

claude code确实有很大的作用， 但是使用10行的pydantic ai实现简单的ReAct Agent也能解出绝大部分简单中级题目以及部分hard题目。 并且也有其他团队使用了claude code， 但是确实效果没有我们的好。

因此我们任何在这次比赛中， 发挥核心作用的是让Claude Code强制通过python编排AI的意图。

意图工程与第二部分的关联？

第二部分我们主要介绍了 meta-tooling 设计模式， 通过让AI通过代码组织自己意图， 实现一次性调用大量原本需要多次MCP调用的工具。

我们认为这就是意图工程的雏形， 让AI更好地表达自己的意图。这确实不是意图工程的全部。

我们认为未来会出现形式化的 AI Native Programming Language， 让专家也可以通过形式化自然语言（形式逻辑）表达自己的意图， 并且需要实现一个 Intent Runtime， 保证每一句 ANPL Code被Runtime 执行。而不是编写一大段prompt， 让通用agent像是黑箱一样执行。

如何确定添加了更多意图工程的组件后效果不会下降？

我们实现了一套 意图的形式化表示法（Agent Pattern Graph）以及意图 Runtime。 正在一些复杂的垂类场景落地， 如果有机会的话，我们会在其他会议上发表我们的成果。