Agent工程中的枯燥部分
摘要
作者讨论了在生产中构建可靠AI Agent时那些不引人注目但至关重要的方面，包括监控运行中的进程、恢复失败的任务以及提供UI状态，并向社区询问常见的痛点和现成的解决方案。
Agent有趣的部分吸引了注意力，但我的大部分时间都花在了不那么引人注目的部分，即确保它们在生产中执行实际工作时不会崩溃。一直困扰我的事情是：
* 实时查看运行中的任务在做什么，而不是事后从日志中重建
* 从失败处恢复运行，这样就不必重新执行已经成功但昂贵的模型调用
* 将进度输出到UI，而无需搭建一个单独的完整状态系统
在多次遇到这些问题后，我开始构建一个小工具来处理运行方面的问题（链接在评论中，如果你感兴趣的话，非常欢迎建议），这样我们就不必在未来的所有项目中重复应用相同的模式（或者更痛苦的是，重构那些从一开始就没有考虑可靠性的项目）。说实话，大部分感觉像是经典的分布式系统问题，没什么新意。我不太确定的是，Agent是否真的改变了什么，因为步骤不是固定的图，而且其中一半是模型调用，无法干净地重放。我很好奇这在实践中是否重要，还是旧的经验法则仍然适用。我真的想知道两件事：
1. 对于每个Agent或长时间运行的任务，你最终会重新构建哪一部分？
2. 有没有人找到现成的方案，能在生产环境中很好地处理这个问题？Temporal/DBOS/其他什么？
相似文章
AI智能体中最无聊的部分：没人构建，人人都需要
一位实践者回顾了在生产环境中部署AI智能体的经历，指出80%的工程精力花费在工作流、所有权和审批流程上，而非模型本身。他强调，共享上下文和路由这些“无聊层”对于产生实际影响至关重要。
生产环境中的AI代理：演示中绝不会提及的失败模式
对在生产环境中部署AI代理的真实挑战的实用深度剖析，涵盖演示与可靠系统之间的差距、提示注入等攻击面，以及安全自主性的设计原则。
我分析了 50 多个 AI 团队如何调试生产环境中的智能体故障，结果令人意外
基于对 50 多个 AI 团队的访谈，作者指出生产环境中的智能体故障往往源于细微的提示词或配置问题，而非深层模型缺陷。文章主张采用版本控制、A/B 测试和实验跟踪等软件工程实践以提高可靠性。
关于 AI 智能体的真实内情
一位资深从业者分享了将 25 个以上 AI 智能体部署到生产环境的经验教训，指出记忆、编排和可审计性远比模型选择重要。文章详细介绍了上下文丢失、静默成本循环等常见故障模式，并推荐了包含 Claude Sonnet 4、Pydantic AI 以及 Octopodas 等专用记忆层的技术栈。
为什么AI Agent原型感觉很棒，但生产部署却变成一团糟
作者分享了将AI Agent系统从沙盒迁移到生产环境的经验，强调了当Agent执行任务时，人类角色变得模糊，团队脱离参与，导致运营失败。