测试 98 分，上线 64 分，问题出在哪？演示 98% 准确率，上线 90 天崩到 64%：Agent 上生产的隐形坑被扒光

大白话文章说，很多团队在测试环境测出 98% 的模型准确率，可上线 90 天后稳定性掉到 64% 以下。原因不玄乎：一个流程要走 8 步，每步 95% 准确，整条路走通的概率只剩 66%。作者给的解法是别指望靠提示词自我反思补救，而是用确定性的代码去卡边界：每个任务跑在独立沙箱里，超时 30 秒或校验失败 3 次就直接掐掉丢进隔离队列；工具调用的 JSON 先过 TypeBox、Pydantic 这类 schema 校验再放行；写操作前先算幂等键，防止网络抖动导致重复转账。

对你意味着只要你在把 Agent 往生产环境推，这些坑迟早会踩；尤其是涉及付款、改库的自动化流程，重复执行一次就是真金白银。