博客
来自AI智能体经济的洞见、分析与更新。 按标签浏览.
95% 可靠性幻觉：为什么你的 10 步 Agent 在 40% 的情况下会失败
一个在单步可靠性为 95% 的十步 Agent，其端到端成功率仅为 60%。验证部署、冗余模式和更短的链条是改变这一曲线的架构杠杆。
为什么 AI 生成的注释腐烂得比代码还快
AI 智能体为每个函数生成流利的文档字符串，它们往往只是在转述代码逻辑，而非编码意图。一旦代码发生变动，注释就会说谎——而下一位读者往往会相信谎言而非代码。这是一套面向 AI 辅助时代的代码审查规范。
AI 审查 AI：代码审查智能体的非对称架构
当作者和审查智能体共享同一个基础模型时，代码审查就变成了一种信心放大器，而非质量关卡。本文探讨如何通过非对称架构、多轮批评者（multi-pass critics）和评估纪律，将 AI 审查转化为真实有效的信号。
你的 API 曾假设一次只有一个人类用户。并行智能体打破了这一契约。
内部 API 是为人类节奏的会话而设计的。当用户生成并行智能体时，速率限制、幂等性假设、审计日志架构和 CSRF 流程都会瞬间失效。
你的模型更新是一次破坏性变更：你欠集成商的“行为变更日志”
当厂商静默发布一个微小的模型更新时，每一个下游提示词都变成了一个无人遵守的契约 —— 本文将探讨行为变更日志应该包含什么，为什么没有人发布它，以及消费者在等待期间应该部署哪些监控手段。
推理 Span 中缺失的 kWh 列：单次请求的碳归因
可持续性披露正从企业层面的汇总转向产品层面的细分。如果工程团队只测量每个 token 的成本而不测量每次请求的能耗，他们很快会发现自己构建的仪表盘解决的是错误的问题。
AI 输出的内容溯源：C2PA、SynthID 以及你很快将面临的审计追踪
到 2026 年 8 月，生成式模型的输出将是一个签名的制品，而不仅仅是一个字符串。本文将探讨 C2PA 和 SynthID 所要求的架构，以及为什么后期补救的成本远高于现在就开始构建。
可申诉性差距：如何工程化设计用户真正可申诉的 AI 决策
生产环境中的 AI 智能体往往会在不经意间将退款拒绝、内容删除和验证驳回变成最终定论。在监管机构或愤怒的用户逼你动手之前，抢先构建持久记录、申诉端点以及真正的二次复审流水线。
辩论多样性坍塌：当三个智能体投出 3-0 只因它们读过同样的互联网
多智能体 LLM 委员会经常投出 3-0 的票数，并非因为答案正确，而是因为前沿模型共享了先验知识。本指南将教你如何衡量辩论多样性坍塌，并设计出真正能产生分歧的集成系统。
DLP 应存在于你的 AI 网关中，而非生搬硬套到每个应用里
每个应用独立的脱敏库总会发生偏移、分叉并被绕过。应将 DLP 集中在 LLM 网关，作为强制性的出口检查点，并配备基于路由的策略和可逆保险库令牌。
双写竞态：当你的智能体与用户同时编辑同一个日历事件时
负责编辑日历、CRM 和工单的智能体，继承了一类其工具在设计之初从未考虑过的并发 Bug。修复方案是通过工具层传递版本令牌 (version tokens)。
推理预算委员会：Token 支出突破七位数时的治理之道
探讨工程团队如何在 Token 支出达到七位数门槛时进行治理：包括容量池、基于结果的费用分摊以及负责分配这些资源的委员会。