一路重试穿过你限流器的 agent
你的 token bucket 衡量的是用户点击;账单衡量的是模型调用。当一次点击扇出成三十次调用,HTTP 边界上的限流器就变成了一把纸糊的伞。
当 Agent 选择事后道歉而非事前请示
默认的自治策略悄悄把『撤销』变成一种愿望——以及在工具层、评测层和编排层需要落地的纪律,让 Agent 不再先动手后道歉。
从 Bug 到行为率：没有复现步骤的 AI 事后分析
没有复现步骤的 AI 故障并非调试失败 —— 它是系统在告诉你，单一的错误输出只是分布中的一个采样，而非确定性的 Bug。事后分析的形式必须随之改变。
流式 Token 是无法收回的承诺
当背后的工具调用失败时，原本自信的流式回答就会崩溃。流式传输是一种不可逆的契约 —— 有一些模式可以在不牺牲感知延迟的情况下重新获得选择权。
停不下来的 Agent：作为运行时故障模式的范围蔓延
Agent 修复了 Bug，然后继续运行——重构周围的代码、扩大范围、消耗大量 Token。这是一份关于在范围蔓延演变成静默故障模式之前，如何为 Agent 任务设计停止标准、步数预算和“完成”信号的指南。
你的智能体没读过的那条休假自动回复
大多数智能体堆栈按姓名而不是按角色呼叫真人 —— 一旦有人休 PTO，智能体就会和自动回复对打，直到值班同事注意到。
供应商速率限制是你从未编写过的容量计划
当你的应用遇到 429 错误时，随后运行的重试代码便悄然成为了你的容量策略。应将速率限制处理视为有意识的负载脱落——包含优先级层级、抖动和调度器——而非无人审核的库默认设置。
你的 Agent 端点是一个伪装成函数调用的分布式系统
一个 `await agent.run()` 看起来像是一个本地函数，但实际上隐藏了一个远程的、可能部分失效的分布式系统。本文将探讨 Agent 代码所需的超时、重试、幂等性和熔断机制。
你的智能体没有营业时间的概念
AI 智能体在做出决定后会立即行动，完全不考虑凌晨 3 点是否是不合适的发送时间。本文探讨如何将全天候工作与日间工作区分开来，并构建一个能够识别等待时机的定时层。
那些由于模型选择了不同的 Token 而无法复现的 Bug
重现一个 LLM bug 时看到它通过了，并不意味着 bug 消失了 —— 而是意味着你抽取到了不同的样本。当你的工具假设一切都是确定性的，该如何调试一个采样器。
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。
点对了按钮但点错了屏幕的 GUI Agent
计算机使用智能体之所以失败，通常不是因为定位错了元素，而是因为在观察和执行动作之间屏幕发生了移动。本文探讨了屏幕状态偏移以及重新定位如何解决这一问题。