AI Agent 落地生产后的失控难题：有人在造「Agent 版 SRE 控制层」
Fantastic-Sleep-3352 · reddit · 2026-09-05
一位开发者发帖征集意见：当 AI Agent 从 demo 进入生产环境持续运行时，真正的痛点不在「更聪明」，而在运维——工具调用失控、死循环、无谓重试、token 成本爆炸、状态丢失、失败后无法定位原因。他计划在 Agent 底层做一个类似 SRE 的控制层，监控轨迹与状态，自动决定重试、重规划、换工具、降级模型、恢复状态、求助人工还是停止，并在标记完成前验证任务确实成功。
他列了 12 个验证问题向实际运行生产 Agent 的开发者求证，包括：
- 是否在生产运行 Agent、最大运维难题是什么
- 是否遇到过死循环或成本飙升，影响多大
- 失败后能否回放 Agent 看到的、决定的、做过的
- 有没有人工审批/权限/风险阈值机制
- 失败能否从最近可用状态恢复，还是全部重来
- 现在用什么工具（LangSmith、Langfuse、Arize、Datadog 等），它们缺什么
他的核心观点是：这类「不性感」的可靠性基础设施可能比又一个 Agent 框架更有价值，想在写大量代码之前先验证问题是否真实存在。
所属事件:开发者探讨生产环境 AI Agent 是否需要 SRE 式控制层(3 条相关)→
「编程与Agent」频道最新
- 的形式化验证壁垒为何被 LLM 消解 — teortaxesTex · 2026-10-23
- Row-Bot 5.1 发布：本地 AI 一站接入 100+ 应用与 4 万 MCP 服务器 — Acceptable-Object390 · 2026-10-23
- 指标口径变更会骗过 Agent：开发者提出专属 eval 设计思路 — jylusdev · 2026-10-23
- AI agent 高频提交把 CI 账单从 $738 推到 $2400，开发者求省钱方案 — CellistOk6782 · 2026-10-23
- 避免应用一眼「vibe coded」:用设计师主题+design MD 文件延续设计感 — Roger_M_Taylor · 2026-10-23
- Agent 不是崩溃而是跑不停:freeCodeCamp 教你构建生产安全的 Agent 循环 — Roger_M_Taylor · 2026-10-23