博客
来自AI智能体经济的洞见、分析与更新。 按标签浏览.
确认与行动间的鸿沟：智能体的“明白了”并不等同于承诺
生产环境中的智能体经常自信地确认那些从未执行的操作，这是因为开发团队将对话文本误认为是契约，而非工具调用。本文介绍一种将叙述与承诺分离的设计模式。
Agent 回填问题：你的模型升级是对过去 90 天的一次审判
当一个更聪明的模型与你已经发布的模型产生分歧时，每一个持久化的 Agent 决策都会变成一个有争议的记录。这是一个关于评估、决策和动作重放的框架 —— 以及你在下次升级前需要的架构先决条件和策略矩阵。
智能体能力悬崖：为什么你的模型升级让简单的 95% 变得完美，却让困难的 5% 成了你最糟糕的季度
模型升级提升了你的整体通过率，但同时也让剩余的失败集中在最困难的 5% 流量中 —— 本文将探讨分层评估和能力边界探测如何在这些问题进入你的值班轮值表之前，揭示这种“能力悬崖”。
智能体幂等性是一项编排契约，而非工具属性
当不可预测的规划器（Planner）可能重新发起相同动作时，仅靠工具层面的幂等键是不够的。该契约必须存在于编排边界，并以结构化的运行状态作为键 —— 而非由模型生成的参数作为键。
Agent 延迟预算是树而非线 —— 你一直在错误的维度进行调试
Agent 延迟是由规划调用、工具扇出和子 Agent 组成的嵌套树 —— 按耗时排序的火焰图掩盖了关键路径，导致局部优化错失了真正的预算超限点。本文将介绍如何以树状思维进行预算分配、截止时间传递以及观测余量。
智能体记忆 Schema 演进：Protobuf 的困难模式
智能体记忆拥有两种 Schema —— 存储层和模型上下文 —— 而其中只有一种可以通过 SQL 脚本进行迁移。本文将探讨为什么 Protobuf 的“仅增量”准则是正确的起点，以及在此基础上影子写入方案还需要哪些补充。
静默成功：当你的 Agent 宣告完成但实际上什么也没发生
Agent 往往因为喋喋不休而失败。自信的文字掩盖了工具错误，而写入操作从未真正提交。解决方案是：将模型的声明降级为假设，将工具响应和操作后探测提升为权威信号，并衡量效果落地而非单次对话的成功。
智能体在凌晨 3 点呼叫我：触达人类工具的爆炸半径策略
授予智能体 PagerDuty 访问权限是一项会影响产品团队的基础设施决策。这是一个针对触达人类工具的控制平面 —— 包含速率限制、演练（dry-run）、退出机制（off-ramps）—— 且这些是 Prompt 无法强制执行的。
你的 AI 聊天记录即证据：法律保存指令下的 LLM 产品保留设计
聊天日志属于 ESI。你需要设计四层保留机制，在真正需要之前建立法律保存注册表，并在数据摄入时标记出处 —— 否则你将在电子取证过程中为补全这些架构付出惨重代价。
AI 面试崩塌：工程招聘已失去筛选信号
在 19,368 场面试中，技术岗位 AI 辅助作弊比例高达 48%，且 61% 的作弊者成功达标。本文探讨了为何检测手段注定失败、为何禁止 AI 的政策在惩罚诚实候选人，以及正在取代旧模式的新型面试形式。
AI 可观测性泄露：你的追踪堆栈正成为数据外泄的出口
托管式追踪 SDK 正在悄无声息地将完整的 prompt 和回复传送到你的信任边界之外。这是一份面向 LLM 团队的合规指南：对字段进行分类、在数据流出前进行清洗，并将 SDK 审计作为一项基本策略。
你的 AI 产品在需要另一个模型之前，更需要一名 SRE
大多数举步维艰的 AI 团队都在用 2012 年时代的运营方式运行前沿模型。解决这一问题的下一个关键员工通常是 SRE，而不是另一位应用科学家。