模块 11综合实战与故障案例

生产级单 Agent

选择一个可验证且有副作用边界的场景

  • 例如工单分析与受控更新，而非纯聊天
  • 定义用户、当前流程和成功指标
  • 列出只读 Tool、写 Tool 和审批点
  • 建立不用 Agent 的基线方案

先完成最小垂直切片

  • 任务 API 与流式事件
  • 单模型、一个只读 Tool、结构化结果
  • Run/Step 持久状态和可取消
  • 基础 UI 与完整 Trace
  • 固定 Golden Cases 验收

再加入受控写操作

  • 参数 Schema、权限与业务校验
  • 差异预览和 Human Approval
  • 幂等键、外部回执与未知结果对账
  • 失败、补偿或人工接管

补齐上下文和质量控制

  • Context Builder 与 Token 预算
  • 必要时接入小规模权威检索
  • 输出契约、Grounding 和拒答
  • 组件级与端到端评测

生产加固不是最后加日志

  • 身份、租户、最小 Tool 和敏感数据
  • Deadline、重试、熔断、背压和容量
  • Guardrail、Sandbox 与审计
  • SLO、告警、Runbook 和成本预算

至少演练五类失败

  • 模型限流/超时
  • Tool 成功但响应丢失
  • 流断线与客户端恢复
  • 审批等待时对象被修改
  • 进程发布/崩溃后 Run 恢复

交付评审回答 P8 追问

  • 为何选择 Agent，哪里保留 Workflow
  • 最危险故障和控制证据
  • 质量、延迟、成本的真实基线
  • 若流量/团队扩大十倍如何演进
  • 当前没有解决的残余风险