你为单个智能体添加的工具，现在每个智能体都能用了
共享的工具注册表正悄无声息地将所有能力赋予每个智能体。只有基于单个智能体的白名单，而非工具目录本身，才是真正约束智能体行为的授权单元。
被你的智能体拙劣重造的特征存储
AI 智能体在每一轮对话中都在重新推导相同的事实——流失风险、账户账龄、订阅层级——没有缓存，没有共享定义，也没有时间点正确性。为什么这会让它们变成一个破碎的特征流水线，以及如何修复它。
成功的路径即昂贵的路径：任务成功率越高，成本就越高的智能体
运行失败的智能体很便宜；而运行成功的智能体成本可能高出 50 倍。本文将探讨为什么提高你的智能体成功率会压缩利润空间，以及解决这一问题的关键杠杆。
你的 Agent 端点是一个伪装成函数调用的分布式系统
一个 `await agent.run()` 看起来像是一个本地函数，但实际上隐藏了一个远程的、可能部分失效的分布式系统。本文将探讨 Agent 代码所需的超时、重试、幂等性和熔断机制。
你的智能体没有营业时间的概念
AI 智能体在做出决定后会立即行动，完全不考虑凌晨 3 点是否是不合适的发送时间。本文探讨如何将全天候工作与日间工作区分开来，并构建一个能够识别等待时机的定时层。
当每个请求的思考成本各不相同时的容量规划
智能体请求的成本并不稳定 —— 一个请求可能只需 200 个 Token 就能解决，而下一个请求可能会耗费 100 万个。为什么 p50 预测在智能体工作负载中会失效，以及如何改为基于 Token 和工具调用分布进行规划。
你从未注入过的故障：给你的 Agent 提供一个说谎的工具
你的 Agent 针对超时和 500 错误进行了故障测试，但从未针对过响应快速、格式良好且自信地给出错误答案的工具——这是它最难以发现的故障。
点对了按钮但点错了屏幕的 GUI Agent
计算机使用智能体之所以失败，通常不是因为定位错了元素，而是因为在观察和执行动作之间屏幕发生了移动。本文探讨了屏幕状态偏移以及重新定位如何解决这一问题。
MCP Server 蔓延：无人监管的无边界工具表面
每个团队都在接入另一个 MCP Server，Agent 的工具表面在没有负责人、没有预算的情况下不断扩大，且每一轮对话都要支付 Token 税。本文探讨这种蔓延如何破坏选择准确性，以及什么样的策展纪律可以修复它。
你的重试逻辑正在给 Agent 传达错误的教训
为不稳定的网络设计的重试策略假设调用者是正确的。但 Agent 让调用者变成了不可靠的部分，盲目的重试会悄悄地将真实的 Bug 洗白成绿色的勾。
记住你 Bug 的智能体：为什么修复 Bug 是一次内存失效事件
当你修复一个 Bug 时，记住该临时解决方案的智能体会继续在一个已不存在的环境中应用它。为什么修复 Bug 是一次非预期的内存失效事件，以及如何像对待缓存一样对待智能体记忆。
那个本该计算却随口编造数字的智能体
LLM 智能体往往会随口说出一个看似合理的数字，而不是去进行计算，流畅的文字掩盖了缺失的工具调用。本文探讨如何强制使用工具并为每一个数据附上出处。