把 AI Agent 落地到传统 IBM WMS：8 条踩坑经验，脚本与检查比模型选择更重要
ksrijith · reddit · 2026-10-27
作者花了几个月为定制的 IBM Sterling WMS（仓储管理系统）构建 AI Agent。与「issue 进、PR 出」的编码 demo 不同， legacy 系统的行为分散在代码、每套安装的数据库配置和无法修改的供应商产品中，没有测试套件（Java 6 工具链），且由人工在变更窗口部署。核心结论：工作不会消失，只会转移。
关键经验：
- Agent 只遵守被强制执行的规则，不是提示词里的要求：提示词反复让它先读约定无效，改用配置声明工具调用顺序（requires:），过早调用直接拒绝才有效。
- 对 Claude Code 这类自带文件工具的完整 Agent 不适用：它根本不碰你的工具，规则形同虚设。只能在无内置替代的工具上设规则，其余靠检查输出结果。
- 要求输出附带证据：每个新文件必须指明参照的现有文件，脚本自动标记缺失者——比限制工具有效。
- 绝不把「说完成」当证明：一次运行中途丢失工具仍报成功。设计稿依次过三道检查：JSON schema 校验→脚本事实核查（设计里提到的服务和文件是否真实存在）→LLM 审查；最后由非作者本人的人工审批，测试从批准后的 spec 编写，测试执行环节完全无 Agent。
- 按步骤选执行器并量化：便宜的开源模型 Kimi K2.5 胜任分诊短表单；22 字段+工具调用的设计步骤 7 次仅 2 次成功，改用 Claude Code。但节省主要来自：能用脚本就用脚本、跳过无事可做的步骤、便宜的检查放前面、输出哈希未变不重新审批。
- 知识必须有投递机制才有效：审计发现 6 处知识被存了但从没被加载；一次设计运行花 $3.63 重建了已被记录为错误的方案，事实真正投递后同样运行成本降到 $1.75。
- 别让 Agent 写自己的记忆：猜测会变成「事实」并被自己反复确认，只有人能在猜测被证实之处写入事实。
- 把人类决策前移：审批分诊和 spec 而非只审最终 diff；每类审查意见都沉淀为约定卡或脚本检查。遗留的开放问题是随规模增长的人工审批瓶颈。
「编程与Agent」频道最新
- DeepSeek Harness 插件生态爆发，作者：便宜加够用让年轻人像当年刷机一样上瘾 — op7418 · 2026-10-27
- 7 小时冲上 GPU 内核挑战赛第 2:开源 Auto-research agent 实战 — sguada · 2026-10-27
- 「为什么这么写?因为 Codex 说的」:AI 代码审查的尴尬现场 — FlatStill2540 · 2026-10-27
- 实测 365 个公共 MCP 服务器:过半工具输入缺描述 — abhiramreddykalluru · 2026-10-27
- 60 人公司每天跑 300 个 Agent,安全工程师逐一拆解翻车现场 — AI Engineer · 2026-10-27
- CoreWeave ARIA 智能体新增四种实时面板，可在聊天中交互查看 — _ScottCondron · 2026-10-27