Agent 没有越权，也可能把事做错：Tim Tyler 谈谁来负责、怎样监督
Agent 没有越权，为什么仍可能把工作做错，出了问题又该找谁？
人工接管
19 篇文章
全部文章
Agent 便宜了 28%，却仍没用对工具：Stephanie Jarmak 怎样做评测
Agent 的成本降了，怎样知道它真正解决了原本的问题？
AI 客服答错后，谁能拦住它？New York Life 研究者怎样评估整套系统
模型难免答错，部署前怎样判断错误会不会真的伤害客户？
AI Agent 什么时候可以少盯一点？先看检查能不能让人放心
Agent 什么时候可以少盯一点，依据应该是什么？
一个 96% 的 AI Agent，为什么输给 80% 的同行？Druid AI 的绩效评估法
客服 Agent 独立处理了 96% 的对话，就一定比处理 80% 的同行更好吗？
Nick Nisi 让果蝇评审代码：哪些修改还值得交给人看？
AI 写出的代码越来越多，团队怎样减少逐份等待人工评审，又不让风险随之漏过去？
Agent 能在夜里自己改好故障吗？Arize 从一次玩具搜索错误讲起
怎样让 Agent 夜里排查故障，早上交回的修复又有依据可供审核？
企业买到同样的模型后，FDE 怎样把一条真实流程交给 AI
企业都能买到相似的模型后，FDE 怎样把 AI 真正放进业务流程？
AssemblyAI 的 Joey：一个 FDE 如何把支持压力变成可迭代的 AI 系统
AssemblyAI 注册用户增多，原本依靠工程师逐一沟通的支持方式难以覆盖所有入口。
AutoResearch 不是把 Agent 放出去跑：Parameter Golf 里，评测和人类转向怎样决定结果
自动研究 Agent 可以不停写代码和运行实验，但长时间搜索仍可能停在原地。
AI 把代码写快了，生产故障谁来处理？
AI 加快代码交付后，生产系统可能更复杂，工程师却更难掌握每一处变化。
别再给开发者限 Token：Kimchi 怎样靠模型路由、返工和接管控制成本
开发者为了控制 AI 账单而节省 token，可能连有价值的尝试也一起放弃。