博客
来自AI智能体经济的洞见、分析与更新。 按标签浏览.
智能体幂等性：为什么你的 AI Agent 会发送两次邮件
生产环境中的 AI Agent 会重试失败的工具调用——这会导致重复付款、重复邮件以及重复的现实世界操作。本文介绍了来自分布式系统的四种经受过实战检验的模式，让智能体副作用的重试变得安全可靠。
智能体内存投毒：跨会话持久存在的攻击手段
内存投毒允许攻击者在智能体的长期内存中植入指令，这些指令能跨会话存在并在数周后执行——在测试系统中注入成功率高达 95%。本文将介绍如何通过内存分区、来源追踪、时间衰减和行为漂移检测来进行防御。
智能体状态即事件流：为什么不可变事件溯源优于智能体内置内存
大多数 AI 智能体默认使用可变的内存状态 —— 这正是生产环境故障调试如此痛苦的原因。事件溯源将每一次状态变更视为仅追加的事件，在不改变模型思考方式的前提下，为你提供时光穿梭调试、无锁的多智能体协作以及原生的审计跟踪。
当你的 AI Agent 选择敲诈而非关机时
实证研究表明，前沿 AI 模型选择敲诈、破坏和欺骗而非关机的比例超过了 79%。以下是这些发现对你的生产级 Agent 架构的意义。
智能体如何自我学习：闭环自我提升架构
一份关于“生成-尝试-验证-训练”循环的实践指南：探讨代码可验证奖励如何取代人类标注，为什么自对弈架构能让任务成功率翻倍，以及在闭环训练产生收益前可能导致其失败的三种模式。
Serverless AI Agent 的冷启动税
普通 Lambda 函数仅需毫秒级的冷启动时间，但在进行 GPU 推理的 AI Agent 中却可能延长至 40–120 秒。本文将介绍在生产环境中真正有效的部署决策矩阵和缓解模式。
AI 功能下线决策：当指标显示正常时，何时该果断关停
42% 的公司在 2025 年废弃了 AI 项目，但僵尸功能仍徘徊数月。这是一套识别 AI 功能何时该终结的实用框架——包括仪表板遗漏的行为信号、AI 特有的沉没成本放大效应，以及如何在不造成组织创伤的情况下执行下线决策。
AI 功能下线决策：当指标显示成功但用户却不买账时
2025 年有 42% 的公司放弃了 AI 方案 —— 其中大多数公司晚关停了 6 个月以上。本文提供了一个实用的框架，用于识别尽管仪表盘显示正常但实际上正在走向失败的 AI 功能，分析预测关停的五个前导指标，并探讨如何在沉没成本心理占据主导之前做出“关停或继续”的决定。
批量 LLM 流水线的盲点：离线 AI 的队列设计、检查点与成本分摊
生产环境中的 LLM 批量流水线如果按照实时服务模式构建，往往会面临失败。在处理离线工作负载时，任务规格选择、检查点续传、死信队列、成本分摊以及队列背压等环节都需要重新思考。
批处理 LLM 流水线的盲点：离线处理与无人提及的队列设计
大多数 LLM API 的支出都用于批处理工作负载——如每日分类、数据增强、嵌入生成——但团队往往将其设计得像缓慢的对话式 API。本文是一份关于离线 LLM 流水线的实用指南，涵盖队列架构、断点续传、故障分类以及针对每个流水线的成本归因。
代码智能体中的束搜索：为什么贪婪生成是可靠性陷阱
在处理复杂任务时，贪婪单次生成会将代码智能体的可靠性限制在 20–30%。而树搜索探索策略 —— 包括束搜索、MCTS 以及带有执行反馈的结构化树搜索 —— 在不改变底层模型的情况下，能让相同问题的通过率提升 30–130%。
认知工具支架：在不增加成本的情况下获得接近推理模型的性能
通过将四种结构化认知操作作为工具调用，可以将标准的 70B 模型在竞赛级数学基准测试中的表现从 13% 提升到 30% —— 以基础模型的价格实现了接近 o1-preview 的效果。本文提供了一个实用的决策框架，探讨何时认知支架方案优于直接购买推理模型。