Page 8
12 articles脚手架审计：每一次模型发布都让你的部分开发框架变成累赘
重试机制编排、JSON 修复解析器以及强制思维链，都是为你不再运行的模型而构建的。这是一套在每次模型升级时，对过时的 LLM 脚手架进行标记、消融和删除的实用规范。
不存在的单一质量指标
你的 AI 功能质量是一个分布，而非一个标量。为什么平均评估分数会将细分领域的崩溃误报为提升，以及你应该在汇报 PPT 中展示什么——细分网格、底线指标、最差案例记录——以及保持噪声指标可信度的报告节奏。
智能体流水线中的“传声筒”游戏
在多智能体系统中，每一次交接都是未经调优的有损压缩：约束条件失效、限定词消失，且错误在多个跳转间不断累积。本文将探讨如何衡量单次交接的信息损耗，决定哪些内容需要逐字传递，并利用 Schema 而非提示词来解决这一问题。
万档代码转换：在机械式代码迁移中运行智能体集群
确定性的代码转换工具可以完成迁移中简单的 80%，但在长尾问题上会停滞不前 —— 而这正是单个文件编码智能体大显身手的地方。但在集群规模下，问题不再是提示词工程，而是变成了批量操作：分片、验证网关、隔离以及针对其 Mapper 具有随机性的 MapReduce 作业的合并策略。
千人智能体客户：按席位计费的 SaaS 并非为机器定价
AI 智能体集群同时打破了席位许可、自动化条款、速率限制和按用户分析。为什么供应商正分裂为“对智能体敌对”和“为智能体定价”两大阵营——以及在将智能体接入任何 SaaS 合同前你必须阅读的五个关键条款。
429 错误背后的惊群效应：速率限制是一个分布式系统问题
不带抖动的指数退避会组织你的重试集群而不是将其消解 —— 随之而来的是同步的 429 浪潮、重试放大和亚稳态故障。本文将探讨为什么 LLM 速率限制需要抖动、重试预算，以及你原本没打算构建的客户端调度器。
Tokenizer 税：除了英语，你的 AI 功能在所有其他语言中成本更高且表现更差
同一个 AI 功能，在日语或阿拉伯语中的服务成本比英语高出 2-3 倍，且质量明显较差——然而大多数团队在进行全球发布时仅使用单一的英语评估套件。本文探讨 Token 肥沃度如何驱动各地区的成本、上下文和准确性，以及在全球发布前需要衡量哪些指标。
会话记录记住了提交信息遗忘的内容
每一次智能体会话都记录了被拒绝的方案、发现的约束条件以及被提交信息压缩掉的推理过程。本文探讨如何将这些记录挖掘成可搜索的组织记忆，并处理随之而来的监控压力。
预热沙箱池：当每个智能体任务都拥有专属机器时的基础设施经济学
单任务智能体隔离悄然将你的平台转变为一个临时虚拟机集群。真正的工程挑战在于预热池、快照流水线、感知时长的装箱策略以及回收废弃沙箱 —— 而你过去的容器经验可能会误导你。
世界没有预发布环境
在 Salesforce、QuickBooks 或 Gmail 上运行的 Agent 实际上是在生产环境中运行的，因为没有其他层级存在。本文探讨了为什么空运行 (dry-run) 标志只是一场戏，供应商沙箱在何处失效，以及如何通过回放代理和模拟租户构建真正的演练层。
两位写作者，一棵工作树：人机协同编辑的并发控制
当你在输入时，编程智能体也在编辑你的检出代码，这是一个并发 Bug，而非 AI 的某种特性。锁定、隔离或合并 —— 这是应用于人机协同编辑的数据库策略。
在构建下一层 AI 技术栈之前，请先绘制 Wardley 地图
关于 AI 基础设施的‘自研还是外购’的争论，往往假设了一个并不存在的稳定格局。Wardley 地图揭示了你的技术栈中哪些层会在几个月内商品化，以及哪些组件（如领域评估和私有数据）正朝着相反的方向发展。
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。
