agent是会幻觉的分布式系统

一位做了十三年后端的工程师，用一串逐层剥离的清单给 AI 工程下了个定义：agent 是循环的包装，循环是模型调用的包装，模型调用是 HTTP 请求的包装；而 HTTP 请求需要超时、重试与幂等键，重试需要预算，预算需要限流，限流需要可观测，可观测又需要评测——因为返回 200 也可能是一个错的答案。这层层包裹之下只有一个真相：agent 是一个会幻觉的分布式系统。 这句总结对两个方向同时成立。对刚转进 AI 领域的后端人，它几乎是张技能迁移对照表：超时、重试、幂等、预算、限流、可观测，一个都没消失，只是下游从数据库换成了会一本正经胡说的模型，于是整套清单之外又多了一层评测。十三年的经验没有作废，新增的难度只有最上面那一环。 对正在搭 agent 的团队，它更像一张自查表。七件事——超时、重试、幂等键、预算、限流、观测、评测——缺任何一件，系统就在某处裸奔；其中评测最容易被跳过，因为传统监控的假设是"状态码对了就是对了"，而模型返回 200 与返回正确答案之间没有任何绑定。没有评测的可观测性，看到的只是流量，不是质量。 落点可以很简单：把现有 agent 的链路按这七层过一遍，先补评测，再谈其他。评测不用一步到位——挑十个真实任务做对照集，每次改动跑一遍，判断就从"感觉变好了"变成有据可查。上层的智能再强，跑在没护栏的分布式系统上，可靠性始终是乘数前面的那个零。