在将AI智能体投入生产之前，你最希望测试过哪一点？

我一直在思考AI智能体在离开受控的开发环境后行为可能有多大差异。在演示中，一切通常按预期工作。输入干净，工具响应正确，工作流程可预测。生产环境似乎完全是另一回事。例如：意外的用户输入、缺失或过时的上下文、API故障和超时、智能体采取错误操作、权限问题、推理成本增加、可观性差、知道何时介入人类。对于那些实际部署过智能体的人来说，最让你惊讶的问题是什么？如果你能回到开始，在部署前你会测试或设计什么不同的地方？我特别感兴趣的是那些直到智能体处理真实用户和真实数据时才显现出来的问题。