从「它覆盖了我手动改过的一版选题,三天后我才发现」讲起:危险要换成可逆性 × 影响面两个能算的维度;权限的载体是 capability 不是提示词;确认要给 diff 不给意图;trace 不等于审计日志;以及先做可逆、再谈授权——把 save_topics 从「必须问」改成「不用问」。
从「它没变差,它只是停不下来」讲起:失败分四类、只有一类值得重试;降级阶梯怎么搭、预算为什么必须是硬上限;模型路由能省的钱为什么比你以为的少;以及怎么把选题助手那个 for attempt in range(3) 换成一套真的会失败的系统。
从「我改了一处工具描述,第二天它变差了,但没人能说清差在哪」讲起:黄金集、边界集、回归集三套用例怎么搭,LLM-as-judge 的三个必须防的坑怎么防,trace 打分到底看什么,以及怎么给选题助手加一套二十分钟出结论的最小评估。
从「我把 Agent 拆成三个,结果它变笨了」讲起:编排、工作流与多 Agent 是三件事;先给五条「千万别拆」的可判断依据,再给四条「真的该拆」的信号、五种编排形态的选型表,最后把选题助手从一条大 prompt 改成两阶段 + 网关。