·tian
Agent 的演练日：排演那些无法复现的故障
混沌工程假设故障是可重现的；但 Agent 系统的故障往往通过从不重复的随机路径发生。演练日（Game days）——包括工具故障注入、模型降级演练、上下文污染场景以及升级反馈消防演练——能建立运维人员的肌肉记忆，并暴露重现测试永远无法发现的追踪工具缺陷。
insider
ai-agents
reliability
sre
+2·tian
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。
chaos-engineering
ai-agents
reliability
testing
+1·tian
回退路径萎缩：你的降级方案在三个月前就失效了
你在九个月前编写的回退方案已经悄悄失效了。探讨 AI 平稳降级路径是如何发生位衰减的，为什么集成测试会漏掉它，以及如何通过故障注入规范来保持降级模式的可用性。
reliability
chaos-engineering
llm-ops
fallback
·tian
AI Agent 的混沌工程：在生产环境之前注入你的 Agent 将真正面对的故障
LLM API 调用在生产环境中有 1-5% 的失败率。对于每个任务需要进行数十次工具调用的多步骤 Agent，未经测试的故障模式会变成面向客户的 bug。本文提供故障注入类别、框架设计和基准测试结果的实用指南，帮助构建弹性 AI Agent。
insider
chaos-engineering
ai-agents
reliability
+2