Page 31
12 articles谁该为模型的错误买单：在智能体产品中设计责任机制
智能体错误不仅仅是客服升级——它们是带有明确责任方的计费事件。本文将探讨如何在收到第一张愤怒的工单之前，设计责任模型、来源追踪、可逆性层级以及错误成本评估。
你无法通过邮件给模型发送变更日志：为什么当调用者是 LLM 时，API 弃用机制会失效
LLM 调用者没有收件箱，没有稳定的身份，也没有义务阅读你的迁移指南。本文将探讨为什么沿用了 15 年的 API 弃用策略在 Agent 面前会失效，以及我们应该如何改进工具 Schema、错误信息和网关。
你的提示词专家只有 14 个月的半衰期
掌握你提示词和评估知识的工程师，其市场估值的上涨速度远快于你的薪酬体系调整速度。本文将解释为什么通用 IC 职级晋升标准无法识别他们的价值，以及在他们离开之前你应该做出哪些改变。
Agent 记忆是一个没有失效策略的缓存
长期记忆通常被作为一项功能发布，但它本质上是一个关于不断变化的世界的事实缓存。如果没有失效、溯源和冲突规则，它就会变成一个缓慢发生的正确性 Bug。
置信度分数税：为什么询问模型它有多确定比直接出错成本更高
在 LLM 输出中添加置信度字段看起来是免费的。但事实并非如此。本文将介绍它所带来的单次请求“税”、为什么该数字很少经过校准，以及在根据它进行生产流量路由之前需要衡量什么。
删除评估用例是决策，而非清理
为了提升速度或降低成本而裁剪评估套件表面上是维护，但每删除一个用例都意味着放弃了一项团队不再能直观看到的保证。借鉴 API 弃用生命周期，有计划地退役评估用例。
PM 与评测之间的翻译鸿沟：当发布决策超越了词汇表
评测分数是 AI 质量的一种有损压缩，而负责发布的产品经理往往无法将其解压缩。本文将为你提供一座扫盲桥梁，让发布决策锚定在数据之上，而不是取决于谁的声音最大。
改变答案的重试：针对非确定性 LLM 调用的幂等键
重试超时的 LLM 调用并不会重新获取相同的答案 —— 而是会采样一个新的。本文将探讨为什么针对非确定性后端的超时重试会失效，以及幂等键如何让它重新变得安全。
先返回 200 然后失败的流式响应：中途错误如何破坏你的 SLO
流式端点在第一个 token 刷出的瞬间就会确认 200 状态，因此之后发生的每一个失败都会躲过负载均衡器、重试中间件和 SLO 仪表板。本文将介绍如何让响应体承担起 HTTP 头部已无法传达的判定结论。
具有两种延迟的 AI 功能：你衡量的是一种，用户感知的是另一种
流式 AI 功能具有两种分化的延迟 —— 首字时间 (TTFT) 和完成时间 —— 而大多数团队只测量了用户感知最不明显的那一个。本文将介绍如何拆分指标和 SLO。
当“智能体能做 X 吗？”演变为交付承诺时
当“运行成功一次”的说法经过每日站会、路线图和销售电话后，AI 能力探针会悄然演变为路线图承诺。本文介绍了一套能力测试产物和晋级关卡，旨在防止演示原型在不成熟时就变成合同条款。
Agent 调试器没有断点：为什么追踪优先工作流正在取代单步执行
当输入具有随机性时，单步调试就会失效。替代方案是基于追踪和重放的工作流，它具有四种功能——时间轴拖动、分支对比、扰动重放以及每一步的意图恢复——这些功能与 IDE 的调试工具栏完全不同。
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。
