Page 134
12 articles可观测性税：当监控 AI 的成本超过运行 AI 本身
AI 工作负载产生的遥测数据是传统服务的 10-50 倍，导致监控费用超过推理成本。本文提供分层采样、保留策略和工具整合的实用指南，可将可观测性支出降低 50-90%，同时不丢失信号。
规划税：为什么你的智能体把更多 Token 花在思考上而非执行上
LLM 智能体在执行第一个工具调用之前，会将 40-70% 的 token 预算消耗在规划上。本文拆解推理 token 的流向，分析为何更多思考并不总能带来更好的结果，并介绍 ReWOO、计划缓存、层次分解等可以收回预算的架构模式。
AI 中的第二系统效应：为什么你的智能体 v2 重写大概率会失败
Fred Brooks 在 1975 年就警告过第二系统效应——如今它已成为 AI 智能体重写失败的首要原因。68% 的多智能体部署用单智能体系统同样能取得等效甚至更好的结果，但团队仍不断追求并不需要的架构复杂性。
信任校准曲线：用户如何学习（误）信任 AI
这种“过度信任 -> 失败 -> 过度修正”的生命周期正在扼杀 AI 产品的采用。本文探讨了为什么单一的高显著性错误会不成比例地瓦解信任，以及如何通过设计模式建立持久且校准的用户信任。
生产级 AI 流水线中的视觉输入：无人记录的预处理决策
图像分辨率、压缩伪影、OCR 预处理和长宽比处理是如何在生产环境中悄无声息地降低视觉模型准确度的 —— 以及区分模型故障与输入故障的归一化流水线。
保修难题：当你的 AI 功能出错时，谁来买单？
软件保修历来假设确定性行为——AI 功能打破了这一假设。本文为工程团队提供了一份实用指南，帮助理解在交付非确定性系统时面临的责任、保险和合同缺口。
当你的智能体意见不一致时：多智能体系统中的共识与仲裁
如何在没有标准答案的情况下解决对等 AI 智能体之间的输出冲突 —— 内容涵盖多数投票、置信度加权、裁判模型，以及何时应该向用户展示分歧而非将其隐藏。
AI Agent 的预写日志：借鉴数据库恢复模式实现崩溃安全执行
数据库 WAL 模式可以直接映射到 AI Agent 工作流——在执行动作前记录意图、在推进前记录结果的执行日志，能够实现跳过重放恢复、精确一次副作用以及崩溃后的确定性恢复。
能力探测：在用户发现之前绘制模型的能力边界
通过探针套件、能力矩阵、金丝雀提示词以及探针到回归的流水线，在部署前绘制 LLM 的失败边界，在模型升级中捕获静默回归。
赵长鹏《币安人生》逐章解读：从江苏少年到加密帝国的 25 章人生
逐章解读赵长鹏自传《币安人生》（Freedom of Money），从江苏乡村到加拿大移民，从华尔街程序员到创立全球最大加密货币交易所，再到认罪入狱与重获自由 —— 25 章完整梳理。
隐藏的 Token 税：系统开销如何悄无声息地耗尽你的 LLM 上下文窗口
在用户内容到达之前，系统提示词、工具 Schema 和聊天历史就已悄悄消耗了你 30-60% 的 LLM 上下文窗口 —— 本文将介绍如何审计并削减这些系统开销。
无限机器：戴密斯·哈萨比斯如何缔造 DeepMind 并追寻 AGI
从国际象棋神童到诺贝尔奖共同得主，戴密斯·哈萨比斯将 DeepMind 打造成了全球最具野心的 AI 研究实验室。塞巴斯蒂安·马拉比的传记追溯了追寻通用人工智能背后的科学突破、企业博弈和生存困境。
关于 Tian Pan
我是 Tian Pan，一名工程师型创始人，专注于智能体工程——构建自主 AI 系统并扩展工程团队。我撰写关于系统设计、技术领导力和 AI 智能体实战的实用指南。曾在 Uber、Brex 和 IoTeX 担任早期工程师。
