标签
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。
MobileGym是一个基于浏览器的移动GUI代理研究仿真平台，具有确定性状态评估和可扩展的并行执行功能。它包含一个包含416个任务的基准测试，并展示了在Qwen3-VL-4B上使用GRPO带来的提升。
Presented at arXiv, DeltaBox introduces OS-level mechanisms (DeltaFS and DeltaCR) for millisecond-level checkpoint and rollback in stateful AI agents by only duplicating changes between consecutive states, achieving 14ms checkpoint and 5ms rollback on SWE-bench and enabling significantly deeper tree search within fixed time budgets.
一位从业者分享了将30个AI代理投入生产6个月的经验教训，指出框架选择不如一个强大的记忆和可观测性层重要，后者可以防止循环、状态丢失和成本飙升。
本文重点讨论了随时间推移管理 AI 智能体记忆时日益严重的问题：用户花费更多精力维护上下文，而非实际使用智能体。文章指出，目前缺乏用于记忆衰减和治理的基础设施。
文章讨论了Agent控制框架工程（Agent Harness Engineering）的必要性，包括工具验证、上下文管理、护栏、遥测和验证循环等结构化系统，以使LLM代理在生产中可靠，并认为仅靠更好的提示是不够的。
一位开发者讨论了在使用沙盒环境下的长时间运行编码代理中状态持久化的挑战，详细说明了高昂的恢复开销，并寻求社区解决方案来实现无需自定义检查点层的持久状态处理。
本文介绍了如何通过Cron、Gateway和Heartbeat机制让Hermes Agent实现24小时持续工作，关键在于使用状态文件而非聊天上下文来维持连续性。
讨论AI智能体忘记的是决策而非事实的问题，并提出一个系统：智能体检查已有决策，提出新决策等待批准，并通过门控管理流程以防止漂移和错误级联。
反思AI智能体在生产环境中失败的原因：并非推理缺陷，而是累积的状态问题（过时的上下文、过期的令牌、冲突的记忆），强调了改进状态管理的必要性。
关于AI代理从干净的演示环境过渡到混乱的生产环境时，状态管理的挑战被低估的深刻反思，累积的状态混乱常常导致推理失败。
一位开发者讲述，构建AI智能体时的许多挑战实际上源于工作流和状态管理问题，而非模型智能，强调了稳健的状态处理和可观测性的必要性。