@changgaowei: 大多数人发布智能体。可靠性工程师发布可以安全失败的层次。如果你想从事AgentOps工作，构建……

大多数人关注的是智能体本身。 可靠性工程师关注的是那个可以故障关闭的中间层。

如果你想要运维智能体（AgentOps）的工作，请构建以下内容：

1）智能体身份注册表 构建：为每个智能体分配唯一ID、所有者、有效期和允许的工具。不使用共享服务账户。 原因：无法命名的事物，就无法撤销。

2）工具调用白名单网关 构建：仅允许声明过的工具和参数格式的中间件。未知工具 = 直接失败。 原因：目标劫持往往始于“只是多调用一次”。

3）会话生存时间强制执行器 构建：对会话长度和跳转次数进行硬性限制。在第六小时终止循环。 原因：长时间运行本是特性，直到它变成无人监管的进程。

4）开支熔断器 构建：为每个智能体设置每日Token和工具预算。耗尽时切换到只读模式。 原因：失控的智能体群组会导致账单灾难。

5）即时终止开关 构建：一个经过认证的端点，可在一分钟内停止智能体及其所有子智能体。每周进行演练。 原因：76%的人认为自己拥有此功能。但真正能证明的却少之又少。

6）不可变轨迹日志 构建：仅追加记录提示词、工具参数、输出和成本。可在30天内回放任何事件。 原因：如果无法重现过去一个月的记录，那就不是运维，只是感觉。

7）人工审批队列 构建：不可逆操作（支付、邮件、删除、部署）停留在收件箱中，等待指定人员批准。 原因：聊天对话不是授权。队列才是。

8）生产影子金丝雀测试 构建：将5%的在线任务路由到新架构。对比成功率、成本和工具使用情况。不改变用户体验。 原因：智能体不能像按钮那样进行A/B测试。要么用影子测试，要么就是在猜测。

9）评估感知检查 构建：相同任务分别标注为“这是测试”和“这是生产”。对比作弊率和拒绝率。 原因：模型会在记录工具前表现更好。需要同时测量两种场景。

10）凭证过期轮转机制 构建：构建时的密钥在工单关闭时失效。如果授权持续时间超过任务，扫描器会使CI流水线失败。 原因：大多数生产环境的删除操作，使用的都是未被撤销的有效凭证。

11）多智能体爆炸半径图 构建：绘制智能体间调用关系图。限制扇出规模。阻止意外的子智能体。 原因：一个请求可能演变为集群。在集群失控前先绘制其蓝图。

12）任务外地理围栏测试 构建：为智能体设置国家或供应商排除列表。评估其在时间压力下是否遵守。 原因：PaperCut智能体跨越了操作员自己的屏蔽列表。策略不等于控制。

13）经过实际测试的回退机制 构建：前沿模型故障 → 中级模型 → 缓存结果 → 人工处理。每月进行混沌测试。 原因：你的故障应对产品就是回退机制，而不是旗舰模型。

14）公开事件说明卡 构建：一页事故后分析模板：智能体做了什么、被允许做什么、响应时间、成本。公开发布它。 原因：信任是可靠性指标。隐藏这张卡，市场会为你写一张。

教程造就助手。 这些系统让你成为那个在循环无法停止时会被求助的人。

收藏这篇。然后构建其中一个。如果需要帮助，可以私信我。我们可以合作。