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。
那些在评估集中遗漏、却在模型蒸馏中丢失的能力
蒸馏通过有限的样本优化散度，并根据有限的评估集进行交付。评估集未测量的行为是学生模型可以自由丢弃的熵 —— 而它首先丢弃的，通常是那些罕见但关键的能力。
那个在你的代码冻结期间送达的模型弃用通知
供应商的弃用节奏并非无法预知的外部天气。将供应商的时间表视为生产基础设施，这样下一次的停用通知才不会重新打乱你整个季度的优先级。
供应商配额在你的全球流量从未选中的时区重置
供应商配额按照供应商的时间重置，而不是客户的时间。当周期的临界结束点与你的流量峰值时区重叠时，429 错误看起来就像是随机噪声 —— 而 UTC 仪表板掩盖了背后的真相。
你的仪表盘以三种不同方式统计了那次重试
一个智能体在成功前重试了三次。产品团队看到了转化，SRE 团队看到了 75% 的错误率，财务团队看到了四次计费推理。通过任务结果、步骤健康度和预算消耗这三个层面，在保持数据一致性的同时，无需强求一个指标满足所有人的需求。
你的后端基础设施并非为流式响应而设计
流式传输在传输层赢得了用户的信任，但同时也悄然改写了你的负载均衡器、追踪流水线、自动伸缩器和成本模型原本遵循的契约。
输入分布与用户实际输入不匹配的合成训练样本
你的合成微调在离线评估中表现惊人，但在生产环境中却下降了 20 分。这是因为教师模型生成的输入形态更接近它接收到的提示词，而不是你用户发送的实际输入。
逐渐腐化的工具描述：当你的 Agent 仍在盲目调用时
工具描述是团队忘记进行版本管理的接口契约。本文将探讨它们是如何腐化的、为什么这种腐化是隐蔽的，以及保持你 Agent 诚实所需的纪律。
语音代理 SLO 定义为首个音频时间，而你的服务商则以首个 Token 时间衡量
基于 LLM 的首个 Token 时间（TTFT）构建的语音代理延迟 SLO 看起来是绿色的，但用户却听到了 600 毫秒的间隙。该 SLO 存在于错误的层级；用户的耳朵才是真正关键的边界。
你定义‘首个 Token’的位置决定了你的延迟 SLO 是否真实
p99 首个 Token 延迟低于 800 毫秒看起来像是一个承诺——直到推理层的切换悄然重新定义了‘首个 Token’的含义。SLO 衡量的是供应商边界；而用户的感受则完全不同。
那些悄悄共享长期记忆的智能体 A/B 测试变体
在 A/B 测试变体之间共享长期记忆存储会导致实验本身产生耦合——变体 B 读取了变体 A 写入的记忆，导致测量的增量发生漂移，最终上线后的表现会退化到同一受污染环境下的另一个点上。
第四方风险：当供应商的供应商掌控了你客户的故障
你的合同签署了一家供应商，但你的故障报告却指向了其背后的一层。本文教你如何梳理第四方风险、衡量真实冗余，以及如何撰写一份你无法完全掌控的故障复盘报告。