博客
来自AI智能体经济的洞见、分析与更新。 按标签浏览.
智能体死锁：当 AI 代理永远在等待彼此
多智能体 AI 系统在代理同时协调时，死锁率在 25% 到 95% 之间——这直接呼应了经典分布式系统的故障模式。实用的检测和预防模式，防止生产环境中的代理工作流冻结。
AI 辅助故障响应：为你的值班 Agent 提供运维手册
尽管 AI 投资创下纪录，但由于团队在部署 Agent 时缺乏运维手册或防护栅栏，运维负担反而有所增加。通过采用三层自治模型 —— 咨询型、审批型、条件型 —— 结合结构化运维手册和爆炸半径检查，可以将 AI Agent 转化为可靠的值班伙伴。
没有人正确衡量的 AI 功能采用曲线
DAU 和会话时长掩盖了用户是真正采用 AI 功能还是仅仅在容忍它们。了解揭示真实采用情况的行为信号——编辑接受比、绕过率、覆盖时间——以及捕获这些信号的埋点架构。
AI 功能计费是一个没人预先规划的工程问题
为什么按席位和按查询定价模式在智能体 AI 产品中行不通，如何构建从 API 调用到客户账单的成本归因栈，以及在财务团队发现之前就能告诉你哪些 AI 功能处于亏损状态的利润率计算方法。
AI 功能自相残杀：当你的智能功能悄悄杀死核心产品
自动化关键工作流步骤的 AI 快捷方式可能会悄然侵蚀参与循环、降低产品粘性，并将你的产品变成一个商品化的包装层——以下是检测和预防的方法。
AI 演示跳过的五个关卡：LLM 功能发布就绪清单
为什么“演示效果很好”是 LLM 功能最糟糕的发布标准，以及每个 AI 团队在发布前必须通过的五个生产就绪关卡。
AI 融入 SRE 循环：哪些有效、哪些失效，以及边界在哪里
LLM 可将 MTTR 缩短 40-70%，并在数分钟内自动生成故障复盘报告 —— 但凌晨三点一个自信却错误的诊断，远比聊天机器人出错危险得多。本文从实战角度拆解 AI 在哪些环节真正增强故障响应、在哪些场景自主行动会适得其反，以及决定最终结果的关键架构决策。
没人用的 AI 产品指标：超越准确率，走向用户价值信号
工程团队执迷于准确率和延迟，而真正预测 AI 产品成败的指标——任务完成率、编辑率、会话深度——却无人度量。本文介绍如何为用户价值构建埋点体系。
AI 技术债务：Sprint 回顾中从未出现的四个类别
提示词腐化、评估漂移、嵌入锁定和影子耦合——传统工程实践无法捕获的四种复合型 AI 技术债务，以及管理每种债务的实用策略。
Agent 流水线中的背压：当 AI 生成工作的速度快于执行速度
会产生子 Agent 和扇出工具调用的 Agent 流水线会创建无界工作队列，耗尽 token 预算并使生产系统崩溃。借鉴响应式系统中的背压模式——有界队列、层级化预算、熔断器和自适应并发——可以在账单到来之前阻止失控扩张。
棕地 AI：如何在不重写的情况下将 LLM 功能集成到遗留代码库
绿地 AI 演示在遭遇十年老单体系统时往往土崩瓦解。适配器模式、数据提取策略以及渐进式迁移路径，能让你在不进行大爆炸式重写的情况下，将 LLM 功能集成到遗留代码库中。
构建多语言 AI 产品：没人衡量的质量悬崖
大多数 AI 团队在发布全球产品时只进行英语评估和汇总满意度评分。本文将揭示他们遗漏的内容 —— 以及如何在你的用户发现之前找到质量悬崖。