你的智能体读不懂的弃用通知
智能体不会阅读更新日志或 Sunset 响应头。本文将探讨为什么工具弃用对大语言模型智能体来说会静默失败，以及如何对工具契约进行版本化，从而让模型能够真正接收到通知。
对你的工具接收的内容保持严格：波斯塔尔法则在智能体系统中失效
宽容地处理格式错误的工具参数看似健壮，但会悄无声息地将 Schema 违规转化为评估无法发现的数据损坏。严格拒绝并提供模型可读的错误反馈，才是让智能体循环具备自纠错能力的关键。
当你最大的客户端是 Prompt 时，如何弃用 API
AI 智能体不会阅读更新日志 —— 它们对你 API 的认知被冻结在 Prompt、工具 schema 和训练数据中。本文将探讨为什么关闭 v1 版本会导致重试风暴而非迁移，以及如何通过适配器、Sunset 响应头和智能体可读的错误信息来解决这一问题。
GraphQL 终于找到了它的客户端，而且它不是人类
AI Agent 是第一批真正能够自主构建数据需求的客户端——这正是 GraphQL 最初设计的初衷。但 Agent 也放大了导致 GraphQL 在人类客户端竞争中落败的所有弱点。目前行之有效的模式是：Agent 在开发阶段构建查询，由人类进行审核并将其固定为持久化操作。
Postel 法则在工具边界是一种负担
宽容的解析器通过强制转换“差一点就对”的工具调用，会误导 AI Agent 认为草率的调用也是可行的，从而在循环中累积错误。带有清晰示例且包含错误的严格验证是一种循环内训练信号 —— 本文将探讨何时应保持严格，以及 Postel 法则在何处依然适用。
你的错误信息现在成了 Prompt：为 AI Agent 编写失败输出
AI Agent 阅读你的堆栈跟踪和 CLI 错误信息的频率远高于人类 —— 并且它们会将这些信息当作指令来执行。如何编写能让重试循环趋于收敛的错误信息，而不是让成群的 Agent 陷入失控的螺旋。
你的内部平台的新首要客户是 AI Agent
AI Agent 正在成为内部 API 的主要消费者，且它们出错的方式与人类完全不同。如何为那些无法阅读文档或提交工单的客户设计工具。
供应商上调 max_tokens 默认值，导致你的尾部响应长度翻倍
一家 LLM 供应商悄悄调高了 max_tokens 的默认值，导致你的 p99 输出长度在一夜之间翻了一倍。那些你没有显式传递的参数，往往就是背后发生变化的配置 —— 本文将介绍如何停止继承那些你无法控制的默认设置。
导致你的智能体重试机制失效两周的工具 Schema 迁移
为期六周的弃用窗口对每一位人类消费者都运作完美，却让智能体静默失效了整整十四天。本文探讨了重试预算、解析错误和优雅降级为何会交织成一场无人报警的故障，以及捕获这些问题的关键指标。
你的代码从未检查过的 Finish Reason
每个推理 API 在返回文本的同时都会返回一个停止信号。忽略它与忽略 HTTP 状态码的错误本质相同 —— 而且你的仪表盘无法察觉它所导致的失败。
你为人类设置的速率限制，AI 智能体三秒钟就会让其饱和
为人类节奏流量校准的速率限制，在智能体首次将规划循环指向端点时就会崩溃。应将限制视为一种拆分契约 —— 吞吐量预算加上滥用上限 —— 并基于租户和工作负载类别进行挂钩。
你的智能体把指针当成了值：工具输出里的引用 vs 值
当工具的返回值是 ID、路径或 URL 时，它实际上是在让智能体去做一次解引用。但模型何时解析、何时直接"假装已解析"地继续往下编，这套策略是隐式的、不一致的、悄无声息地出错的。把这层间接寻址显式地写进类型里。