Agent 能跑 demo 不算本事，能跑一年才是
Agent 能跑起来不难，难的是跑一年不出事。
LangChain 2022 年 10 月在 GitHub 上开源，比 ChatGPT 发布还早一个月。从一个 side project 到 Benchmark 种子轮、红杉 A 轮、IVP B 轮，三年估值 10 亿美元。Harrison Chase 写这篇文章的底气是：他站在 Agent 工具链最上游，从框架到运行时到 Harness，全栈覆盖。
5 月 9 日他发了篇博客，讲 Agent 开发的生命周期。Build、Test、Deploy、Monitor、Iterate、Govern，六步闭环。看完第一反应不是”学到了”，是”我踩过的坑，人家早画成地图了”。
做 Agent 快两年。最早那批 demo 跑起来特兴奋：给它一个任务，自己调 API、写代码、返回结果，感觉发现了新大陆。部署到生产后问题一个接一个：同一个 prompt 今天能跑明天抽风，模型升级后之前能过的测试全挂，用户反馈回答离谱但我不知道它中间经历了什么。
这篇文章把 Agent 开发拆成四步：Build、Test、Deploy、Monitor。顺序是有意的，测试在部署之前，监控贯穿全程。听起来像废话，但大部分团队做的恰恰相反：先 Build，再 Deploy，Test 和 Monitor？等出问题再说。
Build 不是写 prompt
Section titled “Build 不是写 prompt”很多人以为 Build Agent 就是写个 system prompt、接几个工具、调通了就算完。Harrison Chase 把这阶段拆成三层。
第一层是框架（Framework），负责抽象。LangChain、CrewAI 在这层，帮你把模型调用、工具调用、检索、结构化输出组合起来。
第二层是运行时（Runtime），负责执行。LangGraph 在这层，处理状态、控制流、持久化。Agent 跑到一半断了，能从断点恢复，不用从头来。
第三层是脚手架（Harness），负责行动。Deep Agents、Claude Agent SDK 在这层，提供 MCP 服务器、钩子、中间件、文件系统。长时间运行的任务需要这些支撑。
大部分人只做到第一层就觉得 Agent 做好了。其实那只是骨架，连肌肉都没长出来。
Harrison Chase 有句话说得狠：“Harness 才是最关键的东西。云模型很棒，但真正让这一切落地的其实是 Harness。“他不是谦虚。LangChain 月下载量超过 7000 万次，比 OpenAI SDK 还高。不是因为框架本身多牛，是因为围绕框架的那套 Harness 生态起来了。
Agent 框架圈子里一直有场争论：Big Model vs Big Workflow。OpenAI 发了篇指南，主张让 LLM 主导 Agent 的行为。Harrison Chase 拉着 Anthropic 的观点回应：理想的框架应该允许从结构化工作流逐步过渡到模型驱动，在两者之间灵活切换。
说白了，大模型派觉得每次模型升级都可能让精心设计的工作流瞬间过时；工作流派觉得结构化的流程更可控、更易调试。这个争论到现在也没定论，但 Harrison Chase 的立场很清楚：不管你选哪条路，Harness 都是绕不开的。
测试不是”试一下”
Section titled “测试不是”试一下””我以前测 Agent 的方式：写几个 case，手动跑一遍，能过就上线。后来发现这根本不是测试，是碰运气。
Harrison Chase 讲了 eval workflow 的三件事。
数据集。把 Agent 遇到过的典型问题、边界情况、失败案例都存下来。没有数据集，每次 prompt 改了、模型升级了、工具更新了，同样的失败会反复出现。这是用血泪换来的教训：我有次改了个工具描述，导致 Agent 连续三天把客户订单状态查错，直到用户投诉才发现。如果有数据集，跑一遍就能抓出来。
实验。拿同一套数据集，比较不同 prompt、不同模型、不同检索策略的效果。不是”感觉这个好”，是”这个在 347 个 case 上通过率 91.2%，那个是 87.6%”。
模拟。Agent 不是单轮问答，它是多轮对话、多次工具调用、长时间运行的系统。单轮测试不够，需要模拟完整的交互流程：用户发脾气了怎么办、信息不全怎么办、工具调用失败了怎么办。语音 Agent 是最明显的例子，但这个模式更广泛：客服 Agent 要处理投诉，编程 Agent 要跑测试、改代码、再跑测试，运维 Agent 要翻日志、定位故障、给出修复建议。
测试不是为了证明 Agent 能用，是为了理解它怎么失败的。知道它在哪摔跤，比知道它能跑多远重要得多。
85% 的组织已经部署了 AI Agent，但 67% 因为缺乏清晰路线图陷入困境。路线图的第一步不是”做什么功能”，是”怎么知道它坏了”。
监控不是看日志
Section titled “监控不是看日志”传统软件监控看延迟、错误率、CPU。Agent 监控看的是完全不一样的东西。
Harrison Chase 举了个例子：Agent 返回了一个”技术上成功”的响应，没有报错，延迟正常，但它调错了工具、跳过了审批步骤、用了错误的上下文。传统 APM 根本抓不到这种问题。
Agent 监控的核心是 traces：追踪 Agent 的完整轨迹，它收到了什么输入、调了哪些模型、用了什么工具、每一步的输出是什么、最终返回了什么。这不是日志，是手术录像。
有了 traces，才能从中提取信号。该调的工具调了吗？不该调的调了吗？回答有没有依据？有没有违反策略？这些信号可以来自 LLM 评委打分，也可以来自简单的正则匹配：比如检查”审批”这个词有没有出现在该出现的地方。
最关键的是反馈。用户说”这个回答不对”，你得能把这条反馈关联到具体的 trace 上。“用户不满意”和”Agent 第三步调错了工具”之间，需要一条可追溯的链路。LangSmith 做的就是这件事：把用户反馈直接挂到对应的 run 上。
Harrison Chase 在红杉资本的访谈里说：“Traces 成了新的 Source of Truth。“我以前不信，现在信了。没有 traces 的 Agent 就像没有黑匣子的飞机，出了事你根本不知道怎么回事。
Deploy 不是”扔到服务器上”
Section titled “Deploy 不是”扔到服务器上””Agent 测试通过了，下一步是部署。但这不是传统的”打包、上传、重启”，Agent 的部署比普通应用复杂得多。
首先是运行时。普通应用是无状态的，请求来了处理完就走。Agent 不一样：它可能跑几分钟甚至几小时，中间需要暂停等人类审批、需要从断点恢复、需要在多个步骤之间保持状态。这叫”持久执行”（durable execution）。LangGraph 和 AWS AgentCore 做的就是这件事。
然后是沙箱。Agent 越来越需要写代码、执行代码、读写文件。你不能让它直接在生产服务器上跑：万一它写了段死循环，或者删了不该删的文件呢？沙箱提供隔离的执行环境，把爆炸半径控制在最小。LangSmith Sandboxes、Daytona、E2B 都是这个方向。
还有一个容易忽略的东西：上下文中心。Agent 的 prompt、技能、检索策略，这些”非代码”的部分可能比代码本身改得还频繁。而且改这些的人往往不是工程师：可能是产品经理、运营、领域专家。需要一个地方来存储、版本控制、审查和更新这些东西，让非技术人员也能参与 Agent 的调优。
这让我想到一个类比：Agent 的部署，就像把一个实习生变成正式员工。不是给他一台电脑就完了：你得给他权限、给他工具、给他文档、告诉他什么能做什么不能做。Agent 也一样，它需要运行时、沙箱、上下文中心，才能在生产环境里安全地干活。
治理是规模化之后的真正难题
Section titled “治理是规模化之后的真正难题”单个 Agent 没什么治理问题。但当你有十个、二十个 Agent 在跑，问题就来了。
成本。Agent 能烧钱——多次模型调用、长上下文窗口、重复工具使用、长时间运行。没有预算控制和成本监控，月底账单会吓你一跳。
工具访问。Agent 能调工具，这既是它的价值也是它的风险。哪个 Agent 能访问哪些工具？在什么条件下？代表哪个用户操作？出了问题谁负责？审计跟踪必须有。Harrison Chase 特别强调了人在回路（human-in-the-loop）：不是每个工具调用都应该自动执行，涉及客户、财务、敏感数据的操作，必须暂停等人类审批。
可发现性。公司里不同团队各自建 Agent，prompt、技能、工具、检索源都在重复造轮子。一个团队调好的 prompt，另一个团队不知道，又从头调一遍。共享资产需要能被找到、被复用、被管理。
这些不是技术问题，是组织问题。Harrison Chase 把它叫 Governance，我觉得叫”Agent 的 DevOps”更贴切：就像软件开发从”写代码”进化到”CI/CD + 监控 + 告警”一样，Agent 开发也需要从”写 prompt”进化到一套完整的工程实践。
2026 年被 Harrison Chase 判断为 Agent 工程的分水岭。不是因为模型突然变强了，是因为围绕模型的那套工程体系：框架、运行时、脚手架、测试、监控、治理，终于开始成形了。
这让我想起软件工程的历史。早年写程序就是写代码，后来才有了测试、CI/CD、可观测性、SRE。每一步都是被生产环境的血泪教训逼出来的。Agent 正在走同样的路，只不过速度快了十倍。
LangChain 这篇文章的价值不在于讲了什么新概念，在于它把散落在各处的实践系统化了。Build-Test-Deploy-Monitor 不是什么革命性框架，就是工程的基本纪律。但对 Agent 这个领域来说，把基本纪律讲清楚，本身就是一件大事。
Harrison Chase 说 2026 年是分水岭。我更愿意说：2026 年是 Agent 从”demo”变成”工程”的元年。在此之前，大家都在摸着石头过河。在此之后，河上开始有桥了。
你在项目里用的 Agent，如果明天模型升了一级，你的 prompt 和工具调用还能跑通吗？你靠什么确认？
Harrison Chase. The Agent Development Lifecycle. LangChain Blog. https://www.langchain.com/blog/the-agent-development-lifecycle