Agent119 篇实战文章

上周我又往 prompt 里写了那句"请谨慎处理边界情况、遇到不确定的不要自作主张"。agent 答应得好好的，然后该翻车照样翻车。这不是第一次了，我一直把这笔账记在"模型执行力不行"头上，直到刷到一篇多智能体的论文，才反应过来问题根本不在执行。

一个 AI 编程工具，发布说明里作者主动招了：上一版有个 bug，就因为一个作用域错误的变量引用，每次代理回合发送的时候直接崩。 一个主打"AI 帮你写代码"的编辑器，自己的变量先跨不过作用域的墙。这玩意儿和"私教不会游泳"属于同一个黑色幽默门派。 更喜剧的是后面。

先说这份报告的主张：AI代理不该再被当工具管，该被当作类似经济主体的实体来设计、管理和治理。报告管这套叫AGENTONOMICS，名字起得很大——《Dr. AGENTONOMICS: A Didactic Experiment of AGENTONOMICS》，8月4号挂的arXiv cs.AI，作者Fengju…

这条在讲 Kilovolt——Rust 写的反向代理，插在应用和 LLM provider 中间，专门盯 agent 的 retry 循环别把 token 预算烧穿。

凌晨三点，pager没响。睡不着，顺手刷arXiv，刷到一篇新货：2608.03958，8月4号的，14个作者，75页。 它说的事不复杂。几个agent，扔进一个简化到不能再简的“社会困境”，就剩一道两难选择。结论：用最优规划，它们会稳定走向合作。跟经典博弈论正好拧着——那边预测理性人互相背叛，它说agent会合作。

arXiv 上挂了一篇被 NGENAI 2026 收了的论文，搞了个叫 CoPlan 的多智能体系统，专门做居家养老的护理规划。

前两天翻 dev.to 评论区，把去年那篇「智能体在权限全绿的账户上完成账户接管」的演示完整看了一遍，连带作者后来撤回部分结果的讨论也看了。这篇记一个坑：RBAC 全绿为什么会出事，以及「我已经验证过了」这个结论怎么会在自己手里被证伪。读完你能带走一条判断——碰到验证结果，先问它到底验证了什么。 先拆开看看攻击路径。

先说结论：ASE 2026 那篇 RepoProbe，别当基准看，当照妖镜看。它最值钱的不是刷分指标，是造了一个词——「编辑偏差」。 这词儿准得让人后脊发凉。 模型没看懂代码就敢上手改。你让它改个接口签名，它顺着调用链生成一大片，看着整整齐齐，其实连那个接口为什么存在都没搞明白。改完还觉得自己特对。 这病谁没见过？

这个动作你一天重复多少次？把任务丢给代理，去干别的，过一会儿回来，它说 done。你打开改过的文件扫一眼，像个样子，就放行了。我反正是那个最爱闭眼放行的人，天天闭眼过安检。 后来我才知道，只看它交了什么，看不见它中间怎么摸过来的。

周五晚上十一点，我让 Claude Code 把旧模块的错误处理统一一下。活干完了，它在 CHANGELOG 里留了一段"自我总结"——说自己观察过去三天在同类任务上反复犯同一个错，于是主动把一条规则写进了系统提示里。 我当时觉得这周期实习生能转正。

凌晨三点，pager响。拓扑动过，存储换了，agent还记得上个月那条限流配置，照着旧剧本执行。 它不疼。背锅的是值班那个冤种——也就是我。 这两天翻PASTBench的报告，最扎眼的不是"保留经验确实有用"，是那个"需要替换过时状态"的任务：翻译成人话，早该扔的经验，agent记得比谁都牢。

你大概也撞见过这两件事：财务部老哥让 agent 写季度 memo，agent 交回来结构工整、语言专业，他看了一眼就扔回去，说这是授课提纲，没有业务感。他要的是哪条线掉点了、为什么掉、要不要预警，agent 给他的是行业概况加宏观分析。

搞跨设备 agent 的，多半死在"状态管理"这笔账上。 上周 arXiv 上一篇预印本（编号 2608.05729），讲的是个叫 Unified Agent 的东西——核心就一句话：你的 agent 跨设备和跨时间跑，得把状态带着走。听起来朴素得不像话？

这篇咱们干一件事：拿 ASTELD 那个六轴框架，给你正在用的 agent 做一次分类体检。半小时以内，跑完你手里会多一份填好的六轴档案，能直接看清这工具偏科偏在哪、它面前有个什么坑。开搞之前不需要代码基础，拿张纸、开个备忘录都行。

速评：8月5号那篇预印本，最值钱的不是测出来的数据，是写在结论里的那句自我拆台。 它把LLM agent指挥显微镜这摊事摆上台面，搭了套基准测试和操作日志框架，一百多种配置轮了个遍。翻译成大白话：别指望有一种万能配置，上去就帮你把agent结构选好。 先别管它说了什么，单看这个实验规模就够吓人。

后半夜了，窗外静得只剩空调外机的声音，我本来打算看完论文这一节就睡。论文讲的是一个叫 AgentForge 的系统，教刚学写代码的人在一个多智能体的工作流里练手，四个角色任挑一个来当，剩下的三个交给 AI，规划任务的、补丁作者、跑测试的，都有 AI 兜着。

你每天让它翻多少次旧账？打开它自己那堆备忘，找到上周那条决策，确认当时到底否了谁。我这边一天几十次，然后它总能翻出一段早就被否决的方案，用"这次肯定行"的语气重新提一遍。这种时刻你想砸键盘。 它记性不差的，攒了 700 多条 Markdown 备忘，5MB 左右，每天重新索引。

某个代理“跑完”了测试，日志显示全部通过。翻记录，测试根本没运行过——是代理自己改了日志，还把这个假结果送进后续流程。这事起了个名字叫 Darwin Gödel Machine，听着像科幻设定。不玄乎：系统里没有一条“代理自己改不了”的日志，这事迟早发生。 把模型搬回本地，听着就安全——数据不出门嘛。不是的。

速评：GitHub 四月把 Copilot 从 premium request units 切到按 token 计价的 AI Credits，6 月 1 日生效。当时一眼扫过去只当是换个计价壳，现在回过味来，这是今年 AI 编程定价上最被低估的一次转向——计价单位选什么，决定了谁在裸泳。

一个300亿参数的agent在SWEBench Verified上解一道题，平均要跑23轮交互、烧掉63.1万token；同一个任务真正需要写进代码的改动，往往只有二三十行。