经过数月的智能体构建，我改变了关于什么最重要的看法。

我认为很多人低估了将AI智能体投入生产环境的难度。做个演示很容易，但要做出在成千上万次运行后仍能稳定工作的东西，才是真正的挑战。几个月前，我还以为更好的模型能解决大部分问题，但事实并非如此。最大的问题根本与智能无关。而是智能体陷入循环、在步骤间丢失上下文、在奇怪的边缘案例中失败，以及不知道何时该停下来向人类求助。我们花费在构建安全保护和恢复机制上的时间，远多于改进提示词。让我惊讶的一点是：模型很少成为瓶颈。大多数现代模型对许多任务来说已经足够好了。困难的部分在于它们周围的一切——监控、状态管理、重试、交接、失败处理。换句话说，就是那些枯燥的工作。我与智能体系统打交道越多，就越确信可靠的编排比从模型中挤出再多几个百分点的性能更重要。好奇其他人是否有同样的发现。将智能体从原型变为人们实际使用的产品，最难的部分是什么？