Page 9
12 articles当工单的两端都是 AI Agent 时
你的客户采购 Agent 已经在与你的支持 Agent 交谈。随之而来的问题包括：仪表盘无法察觉的升级死锁、机器人不应私自决定的政策、验证 Agent 的真实代表身份，以及那份无人签署的跨公司合同。
当 AI 卓越中心成为瓶颈时
AI 卓越中心初期能推动技术的落地，随后却悄然演变成了一个长达六周的排队窗口，导致所有人都避而远之。本文探讨了 CoE 过期的信号、哪些职能应转化为“铺就之路”，以及哪三个职能应始终保持中心化。
谁在为 Token 买单？内部 LLM 平台的费用分摊与结算设计
免费推理会将你的 LLM 平台变成一场容量拍卖；而幼稚的按 Token 计费则会扼杀实验。采用账单展示优先的阶梯、工作单元定价，并将影子集成视为内部市场失效的信号。
为什么你无法为智能体设置进度条
百分比完成度假设分母已知，但智能体在执行过程中不断发现新任务。真实的进度 UX 应包含：可验证的里程碑、当前开销、安全中断，以及知道何时切换到“完成后通知我”模式。
你的智能体是一个“话唠”客户端：数据引力开始影响工具循环
AI 智能体在处理每个任务时会进行数十次串行工具调用。当推理和数据位于不同的云端时，延迟和出站流量费用将成为主要成本。N+1 查询问题又回来了 —— 只是上升了一个层级。
你的 Agent 是别人的 Bot 难题
经过十年爬虫战争磨练的反机器人防御系统无法区分你的合法 Agent 与恶意攻击。本文探讨了为什么隐身是一种注定失败的军备竞赛，Web Bot Auth 和签名请求如何通过密码学身份取代伪装，以及如何在日益分裂的网络中运行 Agent。
你的智能体需要的是监督者，而不是重试循环
当长时间运行的智能体失败时，重试循环回答了错误的问题。Erlang 的 OTP 监督树在三十年前就定义了真正的决策路径：是彻底重启、从检查点重启，还是升级给人工处理 —— 以及如何将这些策略映射到智能体流水线中。
你的智能体读了页面。没人看到广告。
智能体流量正在破坏以广告为生的互联网：没有曝光产生，没有联盟链接被点击，且你的 RAG 管道所依赖的数据源正在重新定价。本文将探讨抓取转推荐比、按次抓取付费、RSL 授权，以及如何在数据进入付费墙或关停之前审计你的上游数据。
你的智能体很廉价，但维护者的注意力并不便宜。
AI 极大地降低了生成 Pull Request 的成本，但审核成本并未降低 —— 无偿的维护者正面临没顶之灾。本文探讨了配备智能体团队的贡献规范，以及你对公共社区应有的责任。
你的智能体内存需要垃圾回收机制
持久化智能体内存默认会单调增长，因此过时的事实会污染之后检索它们的每一次运行。本文将探讨为什么仅靠 TTL 是不够的，以及过时评分、替代链、溯源和写入时门控如何将内存从简单的日志转变为一套生命周期管理系统。
你的智能体记忆需要两个时钟
智能体记忆存储通常将两条时间线压缩成一个扁平的事实，导致没人能回答智能体在行动时的真实想法。双时态建模 —— 有效时间加事务时间 —— 将记忆过时导致的故障和事后审计转化为简单的查询。
你的 AI 工作负载也有“夜晚”：批处理折扣是对架构的考验
每一个主要的供应商都通过批处理 API 以半价销售同样的 token，但大多数团队从未获得过这一折扣，因为他们从未对哪些推理调用确实需要即时响应进行过分类。本文介绍了一个延迟分道（latency lanes）框架、批处理所需的架构重构，以及为什么 50% 的折扣是结构性的。
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。
