我的AI报告生成器Agent演示起来像魔法，90%的实际代码都是为了应对它自信地编造

我靠构建 Agent 为生，演示版和你能让它长期运行之间的差距仍然让很多人惊讶，所以这里做一个诚实的拆解。我构建了一个 Agent，它从几个系统拉取数据并撰写总结报告。在演示中，它看起来就像魔法。你提问，它思考，然后一份干净的报告就出来了。所有人都印象深刻。这部分可能只占代码的十分之一。另外百分之九十的存在只有一个原因：模型会安静且自信地失败。它会编造一个和真实数字一样合理的数字。它会总结一个只读了一半的表格。它会调用某个工具，遇到速率限制，然后高高兴兴地写报告，仿佛数据已经成功返回了。所以我真正写的代码大部分并不是“Agent”本身，而是：对每次工具调用进行带退避的重试，因为一半的故障都是瞬时的，而模型对此毫无察觉。输出检查，如果必填字段缺失，或者某个数字无法与源数据对账，就在任何人看到之前拒绝该响应。一条硬性规则：如果数据源没有返回，Agent 要说“我拿不到 X”，而不是猜。让它承认这个缺口而不是掩盖它，这占了我大部分工作。记录每一个决策，这样当它真的出错时，我能追踪是哪一步在撒谎。演示卖的是那 10%。而那 90% 决定了客户是在第二个月信任它，还是悄悄把它关掉。而且 90% 的部分看起来一点都不可炫酷，这正是那些光鲜的帖子从不展示它的原因。对于在生产环境中运行 Agent 的人来说：你们的 Agent 在哪里安静地失败？最终是什么检查逮住了它？感觉每个人都是通过惨痛教训才重新发现输出验证的重要性。