Page 84
12 articles重试放大：2% 的工具错误率如何演变成 20% 的智能体故障
智能体循环通过在多个步骤和 SDK 层级间叠加重试，将 2% 的工具错误率放大为 20% 的用户端故障。本文将解析其背后的数学原理、自我 DoS 模式，以及能够遏制这种现象的重试预算规范。
右缘准确率下降：为什么上下文窗口的最后 20% 是个陷阱
填满 LLM 宣称的上下文窗口会导致右缘准确率崩溃 —— 这是继“迷失在中间”之后的一种失效模式。本文包含基准测试、按任务划分的安全裕度以及提示词修复方案。
橡皮图章式崩溃：为什么 AI 编写的 PR 正在掏空代码审查
当代码仓库中大部分的 diff 最初都源自模型输出时，审查者往往会陷入“看起来没问题”的心理锚点，从而漏掉那些没有明显语法异味的语义错误。本文探讨了应对措施、管理层必须回答的披露问题，以及会在六个月后集中爆发的事故曲线。
Agent Trace 中的采样偏差：为什么你的调试数据集在悄悄排除你最关心的失败案例
头部采样和均匀随机采样会悄悄地从你的调试语料库中切除罕见的灾难性 Agent 轨迹。通过尾部采样、基于异常的关键保留以及按故障模式划分的蓄水池，可以构建一个真正包含你所需失败案例的调试数据集。
语义缓存是安全隐患，而非性能提升
语义缓存能在不到一毫秒的时间内返回另一个用户的响应，而你的命中率仪表盘还会因此变绿。本文探讨如何通过缓存键设计、溯源封装和审计追踪，从架构层面防止跨用户数据泄漏。
Prompt 的语义差异分析：为什么 Git Diff 在提示词变更的影响上会误导你
文本层面的差异与 LLM 行为的变化几乎没有相关性。一个三个词的修改可能会导致 30% 的输出发生翻转，而五十行的结构重组可能毫无变化。本文将介绍如何构建一个 PR 评审人员能够真正信任的语义差异工具集。
发布并固定版本之陷阱：模型版本的稳定性如何演变为弃用技术债
固定模型版本虽然换取了短期稳定性，却在悄然积累弃用技术债。通过定期的重新验证、针对下一代模型的漂移监控以及双轨提示词组合，你可以将模型迁移从“救火行动”转变为日常运营。
规范先行（Spec-First）智能体：为什么契约必须先于提示词落实
当作者超过一人时，“以提示词作为规范”的模式就会崩溃。规范先行的契约——包括输入、输出、不变式、错误、拒绝和升级——能将提示词修改转化为代码差异（diffs），使评估可推导，并将负责人入职时间从数月缩短至一周。
合成偏好陷阱：AI 排序的 RLHF 如何让你的模型悄然漂移到“老师”的口吻中
合成偏好数据看起来像是一顿免费午餐 —— 直到你的产品开始悄无声息地听起来和你用来训练它的“老师”模型一模一样。这是一份关于如何识别、衡量和限制 RLHF 风格漂移的实战指南。
Token 消耗是你的 SOC 尚未监控的安全信号
异常的 LLM Token 消耗是 API Key 被盗、提示词注入或数据外泄的最早信号 —— 但目前看板归财务管，响应归安全管。本文将介绍如何将两者打通。
你的工具描述是提示词，而非 API 文档
工具规范文本是模型在决定何时调用之前读取的提示词。请像对待提示词一样对待它——提供具体的用例、反面示例、同类工具辨析——而不是像对待 OpenAPI 文档那样。
工具幻觉率：你的智能体团队尚未运行的探测工具集
大多数智能体团队只测量工具调用的成功率，却从不测量工具幻觉。将该指标细分为三类——未知工具、影子调用和幻觉参数——并构建探测工具集，在生产环境出问题前捕捉这些错误。
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。
