搭建一个带护栏的 Agent 工作流实验室

Agent 实验很有价值，但每个原型都有自己的结构和自己的失败方式。

不同 Agent 原型难以比较，因为行为模式各不相同，也缺乏共同的评估形状。

• 保持运行时复杂度低
• 记录足够的上下文以比较失败
• 不要把实验回路误当成生产系统

1. 把实验拆成小型工作流单元。
2. 记录 prompts、outputs 与 failure modes。
3. 为每条路径加入质量检查。
4. 刻意保持运行时简单。

通过窄内容模型与可测试的工作流边界，让实验之间可以比较，而不再靠猜测。

• 在 Agent 回路扩张前，先把评估形状设计好。
• 在早期实验里，简单 trace 往往胜过聪明抽象。