你花了数周构建AI代理，单元测试和端到端流程在开发机上全部通过。部署到生产后数小时，用户就开始报告结果不一致、对话挂起，以及代理以完全自信的态度静默编造答案。这已成为生产AI系统的主导失败模式，而非罕见边缘案例。测试测量的是错误的东西。 生产环境下的AI代理面临着与开发测试完全不同……

阅读全文