当底层业务流程存在问题，如何在生产工作流中扩展AI代理？
摘要
一位实践者分享了在生产环境中扩展多智能体AI系统所面临的挑战，包括处理影子工作流（未记录的Slack线程和电子表格）、跨系统（ERP到CRM）的上下文丢失，以及跨部门所有权问题。他们向经历过这些现实问题的人寻求建议。
我们一直在努力将多智能体系统从沙盒推向生产环境，但进展缓慢。希望能听听那些真正跨越这道坎的人的经验。背景：我们的团队能够构建出在隔离环境中运行良好的智能体，但一旦它们接触到真实的企业环境，就会以我们未曾预料的方式开始失败。主要存在三个问题：影子工作流——我们的智能体是基于官方文档设计的，但实际运营却存在于无人告知我们的Slack线程和个人电子表格中。如何映射这些内容，以便AI有连贯的信息可供处理？跨系统边界的上下文丢失——当任务从ERP系统转移到CRM系统时，状态标签发生变化，时间戳变得不一致，我们的编排层会丢失对正在发生事情的跟踪。智能体开始基于过时或错误的状态做出决策。跨部门所有权——智能体擅长揭示队列瓶颈，但它们无法强制两个部门就谁拥有某任务达成一致。提前感谢帮助！
相似文章
是否有人在生产环境中部署了多智能体AI员工？
关于在生产环境中部署多智能体AI系统的讨论，其中不同的智能体负责规划、执行、沟通和项目管理，询问实际经验与瓶颈。
大规模在生产环境中运行AI代理——你遇到了哪些痛点，哪些方法真正有效？
讨论大规模在生产环境中部署AI代理的挑战和成功策略，涵盖常见痛点与有效解决方案。
AI智能体在实际工作流中真正失败的地方（非演示环境）
讨论AI智能体在实际工作流中失败的地方，重点指出协调问题、混乱输入下的可靠性问题，以及在生产中减少人工干预的挑战。
当你从一个AI代理扩展到多个时，最先出问题的是什么？
讨论从单个AI代理扩展到多个时出现的运营挑战，包括上下文交接、认证权限、重复工作和成本跟踪。
部署和扩展AI agent是最令人沮丧的问题之一？
作者质疑将AI agent部署和扩展到生产环境是否是一个普遍令人沮丧的问题，并提到了诸如幻觉和状态管理等问题。