Edward_TPM 🇨🇦

分享 AI 智能体实战：多 Agent 拆任务、省 token、真实工作流。
每天记录踩坑与验证方法 | 加拿大🇨🇦 | 从 0 到有用

[Edward_TPM 🇨🇦 @XINDR365]

Agent 出错处理检查清单，开跑前过一遍：
1. 哪些操作能自动重试，最多几次
2. 哪些错误要换路子，不能原样重试
3. 哪些动作必须停下找人：删数据、花钱、对外发消息
4. 中断后从哪一步恢复
5. 回放用的是当时的工具结果，还是重新调用
6. 每次失败有没有留下能复查的记录

[Edward_TPM 🇨🇦 @XINDR365]

AWS Emulator's real lesson isn't "agents wrote every line." It's the order: agents first fix each test until it passes against real AWS, then build the emulator to pass that same test.

Before trusting a green local run, check the repo's things-that-do-not-work folder.

[Edward_TPM 🇨🇦 @XINDR365]

@zcswl7961 谢谢！这块我最近在整理成一份检查清单，弄好了发出来请你帮忙挑挑毛病。

[Edward_TPM 🇨🇦 @XINDR365]

@zcswl7961 对，我一般分三类：能自动重试的（网络超时、限流），要换路子的（工具报错、结果不对），必须停下来找人的（删数据、花钱、对外发消息）。第三类最好在任务开始前就写进规则，不要等出错了再判断。你那边哪类最常见？

[Edward_TPM 🇨🇦 @XINDR365]

@victor_wu 切太碎以后，我会让它在需要我拍板时只交一张决策卡：要定什么、两三个选项、各自代价、它推荐哪个和理由，再附上相关子任务的结果。看完还是选不了，说明拆分少了一层汇总。你现在多是卡在哪类决策上？

[Edward_TPM 🇨🇦 @XINDR365]

验收一个能长时间运行的 Agent，我会先问：中断之后怎么办？

工具执行成功，但结果没记下来就断线了。恢复时直接重试，可能把同一个操作做两遍。

所以我想加一道验收：在工具执行前后分别中断一次，再检查恢复后的结果。

你们测过这种中断吗？遇到无法判断是否成功的操作，会自动查询，还是停下来让人确认？

[Edward_TPM 🇨🇦 @XINDR365]

@Fei2411 独立会话和继承上下文的子会话，这个区别很实用。想看下一期拿同一个任务对比一次：分别花多少时间补背景、最终返工多少。只看启动时省了多少 token，可能会漏掉后面重新找信息的成本。

[Edward_TPM 🇨🇦 @XINDR365]

@I_am_oil_oil 清理过期文档这条值得放进每次功能改动的收尾：改了行为，就检查对应说明是否还成立。等到定期巡检才改，后面的 Agent 可能已经照旧文档又写了一轮。你现在会让任务自动列出受影响的文档吗？

[Edward_TPM 🇨🇦 @XINDR365]

@xuanwo 把任务留在远端以后，我更关心断线重连：浏览器关掉再回来，能否分清哪些任务还在跑、哪些在等人、哪些已经失败？Inbox 里只放需要人处理的事，这个设计确实能少翻很多线程。

[Edward_TPM 🇨🇦 @XINDR365]

@UPing123zzz 可以把验收题设成：删掉一份文档，撤销一个人的权限，看看检索和回答多久停止引用它。正常问答跑通之后，这两个变化能检验数据同步和权限过滤是否真的生效。

[Edward_TPM 🇨🇦 @XINDR365]

@wibus_wee 恢复时最难判断的是：工具已经执行成功，但结果还没写进记录，进程就断了。这个 unknown 状态会先查询外部结果，还是暂停交给人确认？这一步如果直接重放，幂等键也得由外部系统配合。

[Edward_TPM 🇨🇦 @XINDR365]

@laogui 还有，模型切换成本有点高，可以 handoff 的形式执行。据说 T3 有优化，但效果我没试过。在 Paseo 我有过赤裸裸的教训，500k 上下文的时候切换了模型，肉眼可见的心疼。

[Edward_TPM 🇨🇦 @XINDR365]

@xiaomovps 期待对比，想看同一个模型放进不同 harness 后的差别。任务也尽量用同一批，把成功率、重试次数和总成本一起列出来，比各自挑一个最顺手的任务更容易判断。

[Edward_TPM 🇨🇦 @XINDR365]

@0xlangeai 上下文面板我会先看压缩前后留下了什么，尤其是验收条件和没做完的任务。只显示 token 占用还不太够。dsh-context 能直接对比压缩前后的内容吗？

[Edward_TPM 🇨🇦 @XINDR365]

@Xudong07452910 纯小模型这个对照组值得保留，不然很容易把它本来就能完成的任务，算成路由的功劳。还想看按任务难度分组的结果：Judge 在哪类任务上能省回自己的成本？

[Edward_TPM 🇨🇦 @XINDR365]

@TiagerBao 我会让 agent 在交付时贴出验收命令和结果，失败项也列出来。只报“测试通过”没法判断它到底测了什么。上线前还要看失败后怎么恢复，这部分很容易在“代码写完了”之后被漏掉。

[Edward_TPM 🇨🇦 @XINDR365]

@shao__meng 降本我会先看每个成功任务的总成本，把重试和人工返工也记进去。测中转站时也想加一项：失败后能否切换并接着做，避免只测通了几次、还没遇到故障就选定。