那个基于已被你的上下文剪枝器丢弃的事实进行分支的智能体计划
当上下文剪枝器驱逐了后续计划步骤隐式依赖的工具结果时，智能体会继续针对已不存在的证据进行分支处理——而其追踪记录看起来就像是幻觉。
增加更多工具后，你的智能体“不知道”率为何反而下降了
扩大工具覆盖范围在仪表盘上看起来像是能力的提升。但实际上，这往往是计划器在悄悄地将诚实的“不知道”转化为自信的错误答案。
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。
缓存击穿：这次冲击的是你的模型提供商，而不是数据库
当一个热门的 Prompt 前缀在整个集群中过期时，每个工作线程都会在同一瞬间成为缓存写入者 —— 曾经属于数据库的并发压力和账单，现在全都涌向了你的模型提供商。
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。
确定性种子：为什么供应商将其视为“提示”而非“契约”
托管 LLM API 上的 seed 参数只是尽力而为的提示，而非契约。本文探讨了为什么字节级精确的 CI 断言会失效，以及你应该断言什么。
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。
通过了 Schema 验证的虚假工具参数
JSON Schema 只能验证结构，而不能验证事实。当 Agent 虚构出能通过 Schema 检查的引用参数时，重试循环会将这个 Bug 掩盖在看似正常的审计追踪中 —— 本文将介绍缺失的校验层。
带有延迟预算的紧急开关：你的故障处理从未达到的标准
如果一个 AI 功能的遏制时间超过了其爆炸时间，那么所谓的紧急开关只是纸上谈兵，而非实际可用。测量激活延迟，根据损失率对其进行分层，并将该数值写入运行手册。
你的智能体平台忘了配置的值班轮换
一个四人的 AI 平台团队为一个拥有 200 名日活用户的内部智能体上线，却忘了配置值班轮换 —— 最终以惨痛的代价学习了 SRE 人员配置的计算方法。
提供商故障转移：在对话中途替换了你安全策略的隐忧
多供应商 LLM 故障转移通常将各厂商视为可互换的，但它们的拒绝阈值、语气和内容边界各不相同。本文将探讨网关如何成为策略控制面，以及会话亲和性和统一审核层究竟解决了什么问题。