大多数AI代理失败并非因为模型不好。

它们失败是因为环境混乱。过去一年，我花了大量时间构建和测试不同的代理工作流。模式出奇地一致：人们花费数周时间——调整提示词、更换模型、添加记忆、构建多代理系统——而真正的问题通常出在别处。网站变了，API返回了不完整的数据，浏览器会话过期了，某个工具悄然失败了。代理拿到一个部分结果，然后基于错误信息做出了一个完全合理的决策。有趣的是，当你让环境变得更具可预测性时，即使是简单的代理也会看起来非常聪明。我是吃过苦头才明白这一点的——我曾花费大量精力追逐“推理问题”，结果发现那些其实是执行问题。浏览器自动化尤其令人痛苦。页面加载不完全和随机的反爬虫检测造成的失败比模型本身还多。后来我开始尝试使用Browser Use和hyperbrowser，发现可靠性的提升更多来自于稳定的执行，而非更换模型。我构建的系统越多，就越觉得生产环境中的代理本质上是一个伪装成AI问题的基础设施问题。好奇其他人是否也有类似发现。你遇到过的最离奇的代理失败案例是什么——并且最终发现根本不是模型的错？