Agent 要改数据库，PlanetScale 先给它分支、预算和回退按钮
Agent 改应用时也可能需要改数据库，但错误的结构或查询可能影响所有用户。
文章
由 AI 采访转化而来，每篇都能追到原视频。
给电子表格套一层 UI 还不够：Braintrust 为什么把 Evals 做成一套数据系统
一张电子表格足以开始评测 Agent，但真实用户上线后出现的失败，还要能被找到、复现并带回下一轮测试。
Upstart 的语音 AI 怎样接受审核：从混乱的表格到 92% 的人机判断一致率
受监管业务怎样知道语音 Agent 做得对，也知道给它评分的模型值得信任？
自己跑模型何时比 API 划算？imec 把编程 Agent 的 GPU 账单拆开算
编程 Agent 用量上涨后，自己托管模型何时比继续付 API 费用划算？
78%说想要，实际只有10%—15%使用：Bumble的AI照片反馈为什么不能只看A/B测试
一个 AI 功能让用户更活跃，就值得继续投入吗？
新目录已经上线，AI 为什么还在推荐旧产品？问题可能不在模型
新产品目录已经更新，客服 Agent 却仍报旧名字，问题可能是旧事实曾被微调写进模型权重。
AI 给出数学证明以后，人还要弄懂什么？从准黎曼猜想到流体工程
AI 交出可以机器检查的证明以后，数学研究还需要人弄懂什么？
AI 应用返回了 200 OK，为什么监控仍然可能什么都没发现？
AI 应用返回 200 OK、延迟正常，用户仍可能收到不相关或编造的答案。
开放模型跑起来以后，怎样把推理做成生产系统？
开放模型已经能运行，怎样把它变成持续服务用户的推理系统？
Coding Agent 可能落后半年：接上网页搜索，为什么还是会错？
Coding Agent 的知识可能落后于依赖更新，代码看似合理，也可能遗漏上游刚发布的破坏性变更。
单步 99% 准确，跑完 100 步为什么只剩 36%？
浏览器 Agent 单步准确率高，长任务仍可能因为多次决策累积失败。
FDE 进公司以后，先弄清报价和发票到底是怎么流转的
企业请 FDE 部署 AI 时，为什么要先花时间调查员工怎样工作？