·tian
悬在两张日历上的多智能体死锁
包含人工审批队列的多智能体工作流重现了每一个经典的死锁条件。这种循环隐藏在两个队列和两张日历之中，直到被客户发现。
insider
multi-agent
human-in-the-loop
deadlock
+2·tian
智能体幂等性是一项编排契约，而非工具属性
当不可预测的规划器（Planner）可能重新发起相同动作时，仅靠工具层面的幂等键是不够的。该契约必须存在于编排边界，并以结构化的运行状态作为键 —— 而非由模型生成的参数作为键。
ai-agents
idempotency
orchestration
reliability
+1·tian
“完成！”不是返回码：为什么智能体完成需要结构化信号
智能体用自然语言发出完成信号；编排器则需要结构化事件。一个带有状态枚举、原因代码和可恢复句柄的 done 工具，能将静默的智能体失败转变为清晰的模式违规 (schema violations)，让你的流水线能够真正进行路由。
ai-agents
orchestration
llmops
agent-design
+1·tian
当你的智能体框架成为 Bug 时
高级智能体框架虽然能加速早期原型开发，但却隐藏了会在生产环境中暴露的失败模式——不透明的重试放大、不可见的 Token 成本，以及需要阅读框架源码才能解决的调试困境。本文将探讨如何识别框架何时成为瓶颈，以及如何在不进行全面重构的情况下进行迁移。
agent-architecture
llm-engineering
production-ai
orchestration
·tian
构建多智能体研究系统：来自生产环境的设计模式
探讨多智能体研究系统的实际构建方式——包括行之有效的架构模式、生产环境中常见的失败模式，以及在控制成本和质量时所需的工程纪律。
multi-agent
ai-agents
orchestration
production
+1·tian
为什么多智能体系统会在接缝处断裂：设计可靠的交接机制
生产环境中的多智能体系统故障往往发生在智能体之间的边界处，而非其内部。本文深入分析了三种主要的故障模式以及防止这些故障的工程模式。
multi-agent
ai-engineering
production
orchestration
·tian
AI Agent 架构：生产环境中真正有效的方案
88% 的 AI Agent 项目从未进入生产阶段。失败的原因几乎从来不是模型本身，而是周边的架构。本文深入剖析了五层 Agent 技术栈、四层记忆模型、编排与路由的权衡，以及导致 94% 生产环境失败的七种模式。
ai-engineering
agents
architecture
production
+1