数百工程师讨论提炼:构建可靠 Agent 的 7 条工程原则

kevinlu310 · reddit · 2026-11-05

作者基于此前「像分布式系统而非聊天应用那样构建 Agent」的文章(DeepSeek 超级 Agent 架构五原则)引发的大量工程师讨论,提炼出七条生产级 Agent 工程原则:

1. 独立监督:存活不等于进展(liveness is not progress)

worker 可以心跳正常、持续消耗 token,却卡在同一失败步骤重试一小时
进展须在任务设计时就显式定义(预期结果、里程碑、可验证检查点)
监控应基于持久化状态而非活动量:状态未推进即视为可能卡死
看门狗必须有执行权限(暂停/终止/重启),没有 kill switch 的看门狗只是日志
监督必须独立:Agent 自查不算,worker 可以做出稳定、可测量却完全无用的「进展」
可对 Agent 做混沌工程:故意注入卡死 worker 测量发现时间
类比 K8s:Agent 需要「readiness probe」式的任务进展探针;有工程师举例最快模型 1.2 分钟「完成」实验室任务却根本没解出来——没有进展的速度只是昂贵

2. 六种生产故障模式的失败目录(设计时应预置对策)

动作后崩溃(Crash After Action):worker 完成外部动作却在记录信号前崩溃,重启后无法判断动作是否发生;解法是在外部动作前做持久检查点、对系统记录源做对账而非盲目重试、保留未确认业务状态
僵尸 worker(Zombie Workers):看门狗替换卡死 worker 后,「已死」worker 复活并污染状态(帖子在此截断)

其余原则及完整失败目录见原文。

「编程与Agent」频道最新