production-failures

AI agent常常因为身份验证障碍（如电子邮件验证、OTP超时和验证码）而失败，而非推理错误，这凸显了生产环境中的基础设施挑战。

一位开发者分享了AI代理在生产中失败的三个常见原因：RAG分块不佳、仅针对演示的提示词、以及缺乏回退逻辑，强调模型质量很少是主要问题。

文章认为，AI代理在生产中的大多数故障是由于不稳定的运行状态和内存退化造成的，而非模型能力不足，并强调需要更好的基础设施来支持状态管理、可观测性和自适应可靠性。

讨论AI工作流中干净的基准测试环境与混乱的真实世界使用之间的常见差距，导致生产环境失败，并提及评估平台如Confident AI、Braintrust和Langfuse。

文章认为，AI代理在生产环境中失败的主要原因是分发不足、缺乏主动性和持久记忆，而非模型能力限制。

MOSS 为自我进化智能体引入了源代码级重写，能够修复文本层进化无法触及的结构性故障。在 OpenClaw 上，它仅通过一个周期就将四项任务的评分均值从 0.25 提升至 0.61，且无需人工干预。