一张 Agent 技术栈图：生产级 AI 90% 靠系统架构
theomitsa · x · 2026-07-23
这张图的核心观点很直接：生产级 AI 不是“写个 prompt + 接个模型”，而是一个完整系统工程。
它把“演示版 AI”和“生产版 AI”对比得很清楚：
- 演示版：Prompt → Model → Tool → Response
- 生产版：模型之外，还要有 上下文、记忆、工具、技能、编排、身份、策略护栏、可观测性、评测、运行时
图中的结论是：模型可能只占 agent 架构的 10%，剩下 90% 决定它能不能活在生产里。
还列出了每一层缺失时会出什么问题，比如：
- 没有 memory：会忘记用户和历史
- 没有 tools：无法真正执行现实世界动作
- 没有 observability：只能盲调试
- 没有 evaluation：容易上线后回归
最后给出的最佳实践包括：优先使用足够小但可靠的模型、让计划过程可观测、在 CI/CD 里自动化评测、以及为失败和降级预留空间。
「编程与Agent」频道最新
- OpenAI Codex 社区黑客松现场挤满开发者与评审 — paw_lean · 2026-07-23
- Cohere Labs 发帖招聘，强调协作型科研文化 — Cohere_Labs · 2026-07-23
- 一个 Reddit MCP 工作流把深度学习方案拆成规格、代码和验证 — hypergraphr · 2026-07-23
- 三种 LLM 评测指标能抓住生产故障，另外两种会漏掉 — Future_AGI · 2026-07-23
- 上下文压缩省了 token，却破坏了 AI Agent 可靠性 — PepperWestern2263 · 2026-07-23
- StackEasy 推出只读信用卡优化 MCP 服务器 — finalcreditboss · 2026-07-23