描述
Blobfish AI 自我描述为 AI 代理的训练场。它不是为最终用户提供产品,而是构建模拟企业环境,让 AI 模型可以练习真实的工作流程,例如调查电子表格差异或在模拟 CRM 或 ERP 中操作,然后获得关于是否正确完成任务的准确反馈。
阅读更多
每个环境都包括现实的模拟数据(连接的记录、文件和像真实工作场所一样的状态)、代理可以通过模拟 MCP 服务器调用的工具、具有可调难度的训练任务,以及确定性验证器,用于检查代理是否正确地改变了模拟世界,而不依赖于另一个 AI 模型作为裁判。
该公司通过首先证明工具工作流程有效,映射可用工具的组合方式,采样具有已知结果的有效工具调用序列,然后从已知路径反向编写现实的任务请求,从而构建环境,因此正确答案及其验证器从一开始就存在。这旨在解决创始人所描述的代理后训练的核心瓶颈:有用的任务在训练轮次后对模型来说变得过于简单,迫使团队花费数月时间从头开始重建工具环境和课程。创始人的个人故事源于为金融服务客户构建企业后训练环境的六个月,描述了映射大约 30 个专家工作流程,并发现只有大约六个对强化学习真正有用,处于模型的能力边界:足够困难以暴露失败,足够可能以奖励进展。Blobfish 将其产品框架视为一个持续循环,随着模型能力的提高而再生新的、适当困难的任务。
该公司还发布基准测试、公共排行榜和数据集,包括特定于 MCP 的基准测试,以及其核心模拟产品。Blobfish AI 从早期产品转型而来,早期产品是一个 AI 驱动的外呼销售拨号器;当前网站和产品完全专注于企业工作流程的代理训练基础设施,而非销售自动化,面向 AI 实验室、模型开发者和企业团队,而非普通商业用户。
- 类别MLOps 与模型部署
- 部署云端
- 平台网页版
Blobfish AI (blobfish.ai)的核心功能
用于 AI 代理训练的模拟企业环境(CRM、ERP、电子表格)
具有统一代理 CLI 的模拟 MCP 服务器
现实的模拟数据:连接的记录、文件和类似工作场所的状态
与模型能力边界相映射的可调难度训练任务
检查任务结果的确定性验证器,无需 AI 裁判
随着模型能力的提高而持续再生的任务
公共基准测试、排行榜和数据集,包括特定于 MCP 的基准测试
如何使用 Blobfish AI (blobfish.ai)?
与创始人交谈:直接联系 Blobfish AI,以确定适合您模型的训练环境。
定义工作流程:与 Blobfish 合作,映射值得训练的企业工作流程(CRM、ERP 或电子表格任务)。
生成环境:Blobfish 构建模拟工具、数据和工作流程的有效任务路径。
训练模型:在生成的任务和验证器上运行您的 AI 代理。
检查排行榜:将结果与 Blobfish 的公共基准测试和数据集进行比较。
Blobfish AI (blobfish.ai)的使用案例
- 代理强化学习
- 后训练课程更新
- 代理能力基准测试






