从Ollama切换到Anthropic SDK破坏了一个原本运行良好的系统。LLM没有改变代码，而是改变了时序

我一直在构建的个人项目：一个供AI代理团队使用的共享决策日志。这个想法源于一个客户项目，我们在其中使用NotebookLM作为项目的共享大脑。它运行良好，但代理没有直接访问权限。我想构建一个代理原生（agent-native）的相同模式，并具备手动版本无法实现的一项能力：在代理行动之前进行拦截。在编写代码之前，代理会调用brain_analyze_impact，并返回其计划行动与哪些现有决策存在冲突。有几件事以我未曾预料的方式出了问题：**速度暴露了慢速模型隐藏的竞态条件。** 使用Ollama时，20秒的回合延迟下运行顺畅。切换到Anthropic SDK后，延迟降至2秒，图中开始出现幽灵节点：没有边的决策节点，部分写入，未链接到任何东西。异步图写入假设回合之间有足够的时间稳定。在20秒延迟下这个假设成立，但在2秒下则不成立。LLM的改变改变了时间预算，而不是代码，并暴露了一个从未明确说明的顺序假设。这个bug是我的：我假设写入总是在下一次读取到达之前完成稳定。**余弦相似度在检测矛盾时不可靠；它主要检测的是同义转述。** 一条决策及其反转是语义相反的。它们的得分低于相似度阈值，永远不会被标记。我编写的用于捕捉矛盾的系统无法看到它们。修复它需要一个单独的方向性检测步骤，而不是调整阈值。而且正确的阈值是模型特定的：一个较小的模型将“从Qdrant切换到Weaviate”分类为不矛盾，因为两者都是向量数据库。一个较大的模型捕捉到了方向性变化。阈值不是通用常数，而是模型特定的。**单元测试本身无法验证这种多代理承诺。** “代理B在反驳代理A之前被中断”需要四个代理、独立的会话、一个植入的矛盾，以及跨工具的fresh-context读取来在模拟场景中进行验证。所有这些都不适合单一的代理集成测试。这一切都来自一个个人项目——分享这些陷阱，以防其他人正在构建类似的系统。我在别处写了更多关于设计和评估的细节；如果有人想要完整版本，我很乐意在评论中分享。