用户习以为常的“你确定吗？”确认步骤
AI 智能体中统一的确认提示会导致习惯化：用户会以处理低风险操作的反射动作来点击高风险操作。具备风险意识的摩擦预算、制品预览和量化的点击响应时间可以重建安全层。
那些被你的智能体“触发并遗忘”的异步工具调用
函数调用将同步和异步工具视为相同的形式。智能体触发了一个任务，收到了一个 ID，随后标记该步骤已完成 —— 而实际工作却从未落地。
在解码中途缩减至零的自动伸缩器：当推理被视作无状态网络流量时
一个成本驱动的缩容策略将一个 30 分钟的长上下文作业视为无状态的 HTTP 请求。Pod 在解码中途被回收，唯一的信号是一个小时后网关日志中的 499 错误。这篇复盘报告将自动伸缩重新定义为一个工作负载形态问题。
那个在行动已发出后才生效的预算上限
当紧急停机开关正确触发，但智能体已经订好了机票、发送了邮件并关闭了工单时——为什么以 Token 衡量的预算上限忽略了以“行动”衡量的损失，以及如何将支出与不可逆性解耦。
针对你已不再提供服务的模型版本的 Bug 报告
客户针对你上个月已轮换掉的权重提交 Bug 报告的那一刻，你的模型版本控制政策就不再仅仅是内部的 MLOps，而变成了面向客户的可见合约。
那个‘总结’掉用户原始提问的压缩策略
自动总结保留了对话脉络，但悄然改变了下游工具所依赖的字面表述。本文将探讨该 Bug 是如何出现的，以及如何针对它进行架构设计。
会话摘要抹掉了用户授予你的同意标志
压缩保留了智能体的回答，却遗忘了用户的选择。应将对话记忆视为语义和结构化两个流，否则你交付的将是隐私违规。
那个定价模型假设提示词由人类编写的数据标注商
当 LLM 生成的提示词取代手写提示词时，你在 2023 年签署的按任务计费的标注单价就成了一种无形的利润转移，直到续约周期迫使双方进行一场价格博弈。
让你的 A/B 测试整整一个季度都失效的嵌入模型轮换
为什么供应商端的嵌入模型升级会悄无声息地破坏你对检索功能的 A/B 测试，以及填补这一鸿沟的实验规范。
重新路由回智能体的升级路径
当下游队列开始自行自动化时，`escalate_to_human` 工具就不再是人机回环了。探讨为什么契约的生命周期必须长于消费者。
裁判模型被悄悄升级的评估框架
终端被悄悄更新的 LLM 裁判是一个没有校准契约的测量工具。固定快照版本、构建锚点集并运行双裁判窗口，确保 6 分的提升代表的是你的系统得到了改进 —— 而不是尺子变了。
被两个漂移向量拉扯的评估准则
一个同时由人类和 LLM 裁判阅读的评估准则会在两个轴向上同时发生漂移。综合得分掩盖了这种波动。本文介绍了一种测量协议，使每种漂移都变得可追溯。