Agent工作台为何模型失败 — 七种失败模式

8 minIntermediate

识别Agent在真实代码库中失败的七种模式，理解线束工程比模型选择更重要的实证数据

模型在演示中成功，在生产中失败。差距不是推理能力 — 而是线束。本课命名七种反复出现的失败模式，引用2026年数据，并建立案例：线束工程比模型选择更重要。

类型： 学习 语言： Python（标准库） 前置条件： Phase 14 · 01（Agent循环），Phase 14 · 26（失败模式） 时间： ~45分钟

学习目标

演示有效。生产失败。差距不是模型能力 — 而是围绕模型的工程。2026年数据：

88%的企业AI Agent项目未能投产（preprints.org，2026年3月）。
LangChain的Anatomy of an Agent Harness：同一模型从Terminal Bench 2.0的30名外跃升至第5名，仅通过更改线束。
Vercel删除80%的Agent工具将成功率从80%提升到100%。
Harvey仅通过线束优化将法律Agent准确性翻倍，无模型变更。

范围蔓延。 任务是”修复登录bug”。diff触及登录路由、邮件助手、数据库驱动、README和发布脚本。每次触及都有当时的合理理由。合在一起，它们是一个与审查时不同的变更。
上下文丢失。 会话结束。下一个会话问”我们从哪里继续？“上一个会话的答案消失了。Agent重新发现、重新运行相同命令、重新询问人类相同问题。
幻觉验证。 Agent说”测试通过了。“没有测试实际运行的记录。Agent想象输出，或运行了命令但从未读取结果，或读取了结果并静默截断了失败行。
状态损坏。 两个Agent写入相同状态文件。一个覆盖另一个的更改。或者Agent在写入中途崩溃，留下半写入的状态文件，下一个会话将其视为权威。
规则漂移。 Agent开始遵循规则。在10步之后，上下文窗口推移了规则。Agent”忘记”它不应该触及配置文件。提示中的规则是建议；磁盘上的规则是契约。
无限循环。 Agent陷入循环：尝试A，失败，尝试B，失败，再次尝试A。轮次预算最终停止它，但token和时间已经浪费。
交接间隙。 会话结束。下一个会话没有关于已完成内容、尝试了什么、失败了什么以及下一步该做什么的结构化信息。恢复成本随每个会话复合。

更好的模型推迟了失败，但未修复结构原因。范围蔓延发生是因为没有范围契约。上下文丢失发生是因为没有持久状态。幻觉验证发生是因为没有反馈运行器。每种失败模式都有线束修复，模型无法自行提供。

工作台是七种表面，每种解决一种失败模式：

code/main.py用标准库模拟七种失败模式，每种带有和没有对应工作台表面的对比。运行它以查看每种失败模式以及表面如何防止它。

outputs/skill-failure-mode-catalog.md为你的产品编目哪些失败模式最频繁，并映射到工作台表面。