一、先说结论：探索和发现，就是让 Agent 不只会做已知任务，还能主动寻找新机会

前面很多 Agent 设计模式，解决的是“怎么把一件已知任务做好”。

这一章讲的 探索和发现，解决的是另一个更难的问题：

当答案还不知道、路径还不明确、目标空间很大时，Agent 怎么主动尝试新方向，并从尝试中找到更好的方案。

用一句人话讲：

探索和发现，就是让 Agent 在“稳妥做已知的事”和“冒险试未知的事”之间，做出合理平衡。

如果一个 Agent 只会利用已有经验，它会很稳定，但容易卡在局部最优；如果它只会到处乱试，它可能偶尔发现惊喜，但大部分时间都在浪费资源。

真正有用的探索，不是瞎试，而是有预算、有方向、有反馈、有记录的系统化尝试。

二、为什么需要探索：只会走熟路的 Agent，很难发现新东西

可以把 Agent 想象成两种角色。

一种是出租车司机。乘客告诉它目的地，它负责选择路线，把人安全送到。这个任务很明确：从 A 到 B，越快越好。

另一种是探险家。没人告诉它终点在哪里，它要离开熟悉的地图，去未知区域寻找可能有价值的新大陆。

大多数业务 Agent 一开始都是“出租车司机”：用户问问题，它回答；用户给任务，它执行；系统给目标，它优化；流程写好了，它照着跑。

这当然有价值，但它解决的是“已知问题”。真正难的是：用户的问题类型变了，Agent 能不能发现新模式？市场出现新机会，Agent 能不能提出新实验？工具链里有多个方案，Agent 能不能逐渐学会哪个更适合当前任务？

这就是探索和发现的意义。它让 Agent 不只是执行者，也能成为“发现者”。

三、探索到底在做什么：4 个关键动作

探索不是随机乱试。一个可用的探索系统，通常包含 4 个动作：

提出候选方向 → 选择要尝试的方向 → 执行并收集反馈 → 更新策略

第一步是生成候选方向。候选项可以是一个新工具、一条新路线、一个新提示词、一个新实验方案、一个新产品策略，或者一个从未尝试过的用户分群。如果候选项质量太差，后面的选择算法再聪明也没用。

第二步是选择尝试方向。Agent 面前通常有两类选择：

比如一个推荐 Agent 已经知道用户喜欢科技文章。它可以继续推荐科技文章，这叫利用；也可以偶尔推荐一本商业传记或一篇心理学文章，看看用户是否感兴趣，这叫探索。

关键不是“要不要探索”，而是：什么时候探索？探索多少？探索哪个方向？探索失败后怎么处理？

第三步是收集反馈。一次探索有没有价值，不能只看“试了没有”，还要看有没有结果回收。

第四步是更新策略。哪些方向值得继续试，哪些方向应该减少尝试，哪些条件下某个方案更有效，哪些失败可以避免重复发生，都要写回记忆或知识库。

四、什么样的东西值得探索：三种内在奖励

在很多场景里，外部奖励并不会马上出现。科研 Agent 提出一个假设，短时间内不一定知道它是否正确；产品 Agent 提出一个新功能方向，也不一定马上看到收入变化。

这时就需要“内在奖励”：即使暂时没有最终收益，Agent 也能判断某个方向是否值得继续探索。

比如客服 Agent 发现最近有一批用户问题不属于任何旧分类，就应该把它标成“新型问题”，而不是强行塞进旧标签。

再比如系统以为某类用户不喜欢长文，但实验发现他们反而读完率很高。这个“反常结果”就值得继续研究。

五、常见实现方式：从简单随机到进化搜索

探索可以有很多实现方式，不同复杂度适合不同场景。

ε-greedy 最容易理解：

如果随机数 < ε：
    随机选择一个方案
否则：
    选择当前平均回报最高的方案

LLM 的价值不在于“替系统做最终判断”，而在于生成传统算法想不到的新候选。更稳的结构是：

LLM 提出方向 → 规则/评估器打分 → Bandit 或人工选择 → 小流量验证 → 结果写回记忆

如果问题可以被文本、代码、公式或配置表达，还可以让 LLM 充当“变异器”：

这类系统的关键不是让 LLM 一次写出完美答案，而是让它不断产生可评估的变体，再用评估器筛选。

六、完整案例：用探索机制优化一个产品增长 Agent

假设我们要做一个产品增长 Agent，它的目标是：

持续发现并验证可以提升新用户次日留存率的实验方案。

这个任务很适合探索。因为没有人一开始就知道哪个方案最好，只能不断提出假设、做实验、看结果、再迭代。

先定义目标和边界：

目标：提升新用户次日留存率
主指标：D1 留存率
辅助指标：注册完成率、首次关键行为完成率、用户投诉率、实验成本
约束：不误导用户；不过度打扰；不牺牲长期信任；每周最多上线 3 个实验；样本量达标后再判断

然后生成候选实验。每个候选都要说清楚假设、指标、风险和新颖性：

{
  "name": "根据用户来源定制引导页",
  "hypothesis": "不同来源用户意图不同，个性化引导可以提升激活率",
  "metric": "激活率、D1 留存率",
  "risk": "需要更多埋点和配置成本",
  "novelty": 5
}

候选实验不应该直接上线，可以先用一个轻量公式排序：

实验分数 =
30% × 预期收益
+ 25% × 信息增益
+ 20% × 新颖性
- 15% × 成本
- 10% × 风险

新颖性不是越高越好。一个新颖但高风险的方案，不一定应该马上上线。它可能应该先做小流量验证，或者让人工审核。

如果有多个实验同时可选，可以用 Bandit 思路分配流量：一开始每个实验都给一点流量；表现好的实验获得更多流量；表现差的实验减少流量；不确定但潜力大的实验继续保留少量探索机会。

实验结束后，Agent 要把结果写回记忆和知识库：

{
  "experiment_id": "EXP-2026-061",
  "result": "positive",
  "impact": { "activation_rate": "+6.2%", "d1_retention": "+2.1%" },
  "lesson": "搜索广告用户更需要明确价值解释，邀请链接用户更需要快速协作入口。",
  "next_suggestion": "继续探索不同来源用户的首页默认任务差异。"
}

最后加入人工复核。低风险实验可以让 Agent 自动排期小流量测试；中风险实验需要产品经理确认；涉及隐私、强提醒、价格策略、诱导点击、大流量放量和品牌信任的高风险实验，必须让产品、法务、运营共同确认。

探索不是做完就结束。真正的价值在于把一次实验变成下一次探索的起点。

七、探索的层级：不要一上来就做“自主科研 Agent”

探索能力可以分层建设，不必一开始就做很复杂。

小白最容易犯的错是：刚开始就想做 L4 或 L5。

更稳的路线是：

先从 L0/L1 开始，把反馈闭环跑通；
再做 L2，让 Agent 能发现新样本；
如果问题可以被代码、提示词或公式表达，再尝试 L3；
只有当评估、监控、安全、人机协同都成熟后，才考虑 L4 以上。

八、真实难题和安全边界：越会发现，越要知道什么时候停

探索系统上线一段时间后，可能会出现一个问题：

Agent 越来越不探索了。

它开始觉得“自己已经懂了”，于是不断选择熟悉方案。这可以理解为“好奇心枯竭”。

解决方法不是让 Agent 永远随机，而是设计“课程式探索”：先探索低风险、小成本方向，再探索中等风险、可能带来明显收益的方向，最后才探索高不确定性但高潜力方向。同时要监控探索率、新颖性、信息增益和重复失败率。

另一面是安全边界。探索能力本身是中性的，它可以用来发现新药、新材料、新算法、新产品机会，也可能被滥用到不该探索的领域。

复杂探索更适合多 Agent 协作：有人提出，有人反驳，有人查证，有人评估，有人迭代。单个 Agent 做所有角色，容易自说自话。

九、关键设计点和常见坑

探索和发现模式要落地，关键不是算法炫技，而是把闭环设计好。

最小可用记录可以长这样：

{
  "candidate": "探索方案",
  "reason": "为什么选择它",
  "expected_gain": "预期收益",
  "risk": "风险判断",
  "result": "实际结果",
  "lesson": "沉淀经验",
  "next_action": "继续、停止、扩大或修改"
}

没有这张记录卡，探索就很难从“试一试”变成系统能力。

十、给小白的探索选型决策树

不同业务不需要同样复杂的探索系统。可以按下面的方式选择：

简单记：

候选少：A/B 测试。
候选多：Bandit。
候选需要生成：LLM 辅助。
候选可以自动评估：LLM + 进化。
风险高：多 Agent 评审 + 人工复核。

十一、和上一篇及相关模式的关系

上一篇讲优先级排序，核心问题是：

在已知任务里，先做哪一个？

探索和发现的核心问题是：

有没有值得尝试的新任务、新方向、新方案？

它们刚好互补。优先级排序保证当前任务做得稳，探索和发现保证系统不会永远停在旧方法里。

探索也离不开评估、监控和记忆。评估负责判断新方案有没有更好，监控负责发现成本和风险，记忆负责保存试过什么、为什么试、结果如何、失败原因是什么、后续是否值得再试。

十二、一句话记住

探索和发现，就是让 Agent 在不丢掉稳定性的前提下，拿出一部分资源去尝试未知方向，并把每次尝试变成下一次变聪明的经验。