Page 141
12 articles生产环境中的 Text-to-SQL：为什么写对 SQL 只是最简单的一步
LLM 在 SQL 基准测试中得分 86%，但在你的实际数据仓库中仅为 10%。那些失败的查询并不会报错，而是返回错误的数据。本文将解析静默失败模式的分类，以及捕获这些错误的层级架构。
多智能体通信中的三大攻击面
82% 的前沿 LLM 即便在拒绝用户的恶意指令时，也会听从同行智能体的恶意命令。本文介绍了三种截然不同的攻击面——提示词注入、智能体欺骗和记忆投毒——以及每种攻击所需的协议级防御措施。
为什么你的“点踩”数据在误导你：生产环境 AI 反馈循环中的选择偏差
只有 1–3% 的用户会点击评分按钮——而且他们与大多数用户存在系统性差异。本文探讨选择偏差如何扭曲 RLHF 训练数据、放大偏好塌陷并掩盖 80% 的质量问题，并介绍五个能捕捉每位用户真实意图的隐性行为信号。
Chain-of-Thought 的 Token 经济学：当“大声思考”的成本入不敷出时
思维链（Chain-of-thought）提示词会让 Token 成本膨胀 2 到 5 倍，并增加数秒的延迟，但在大多数生产任务中却无法带来可衡量的准确性提升。本文提供了一个决策框架，探讨 CoT 在何时值得、何时有害，以及像 Chain-of-Draft 这种能以极低成本弥补差距的更廉价替代方案。
工具结果验证缺口：为什么 AI Agent 盲目信任每一个 API 响应
AI Agent 框架会验证工具输入，但从不检查返回结果。本文介绍了三类工具结果失效场景，并提出了一套分层验证架构，用于在结果到达用户之前捕获 Schema 违规、陈旧数据和语义错误。
AI Agent 的单位经济效益：自主作业何时能真正省钱
你的 API 账单仅占生产环境中运行 AI Agent 真实成本的 10–20%。本文将深入解析隐藏的成本堆栈、完整的单次任务成本公式、实现正向 ROI 的业务量阈值，以及真正能预测自主作业是否省钱的关键指标。
当通用型 Agent 击败专家组：统一单 Agent 架构的优势
对于大多数生产环境中的 AI 任务，拥有丰富工具访问权限的单个强大 Agent 的表现优于多 Agent 流水线 —— 相关研究解释了为什么协同开销、错误放大和能力饱和使得专业化在规模化应用中成为一种负担。
代理工程：构建你自己的软件宝可梦大军
一个人用自主 AI 代理替换了一个 15 人的工程团队。这里有经营 AI 原生软件公司背后的宝贵原则、惨痛教训和实用配置。
主体层级问题：多智能体系统中的授权
当智能体 A 创建智能体 B 时，应该应用谁的权限？深入探讨信任如何通过委派链传播，为什么混淆代理攻击在智能体规模下具有毁灭性，以及在生产环境的多智能体部署中防止权限提升的授权模式。
生产环境中的智能体授权：为什么你的 AI 智能体不应该是一个服务账号
给 AI 智能体分配服务账号凭证是发现你的系统漏洞的最快路径——一旦出错，你很快就会知道它们能触达哪些系统。本文探讨了环境授权（ambient authority）、过度授权和冒充令牌如何导致生产事故，以及四种可以正确限制智能体权限的模式。
智能体规划模块：隐藏的架构缝隙
在 LLM 智能体中将任务拆解与执行分离，是大多数团队都会忽略的架构决策——直到他们的智能体在面对超过五个步骤的任务时开始崩溃。
智能体间通信协议：让多智能体系统具备可调试性的接口契约
深入探讨设计糟糕的智能体间消息契约如何导致生产环境中的多智能体系统出现静默失败，并介绍能够预防这些问题的架构模式、错误信号和版本控制策略。
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。
