第 08 篇 · 工程化：从「能跑」到「能上生产」

04-07 篇教会你「跑通」。但跑通 ≠ 上生产：流式卡顿、出问题不知道哪一步错的、模型变差没人发现、高风险动作没审批。本篇给「生产五件套」的实战姿势——先高确认模式跑通，再渐进放自主度。

1. 流式（Streaming）

•为什么：Agent 任务分钟级，不让用户干等——token 边出边显示；

•落地：Eino Stream（StreamReader[*Message]）/ OpenAI/Claude SDK 的 stream 参数；

•坑：流式下 tool_use 参数分片——攒齐再执行（01-04 篇都提过）。

2. 可观测（Tracing / Callback）

•为什么：Agent 每一步（推理/工具/结果）都可能是错的源头——没有 trace 的多步 Agent 出问题只能瞎猜；

•落地：Eino Callback（OnStart/OnEnd 切面 → 日志/指标）、LangSmith、自家埋点；

•最小要求：每个工具调用留痕（谁调的、参数、结果、耗时）——对应「审计留痕」思想。

3. 评测（Eval）

•为什么：模型会变、prompt 会退化——没有评测的 Agent 上线后悄悄变蠢；

•落地：任务级基准（SWE-bench/OSWorld 思路）+ 自建测试集（一批真实任务跑分）；

•原则：测「任务干成了没」，不测「答得像不像」（agent-系列 08 篇）；上线前建基线、上线后周期回归。

4. HITL 人工审批

•为什么：不可逆/高风险动作不能全自动（删数据/付款/发布）；

•落地：Eino ADK 中断恢复 / LangGraph interrupt / 自研审批服务——Agent 跑到审批点 → 暂停 → 人工确认 → 断点续跑（agent-实战 03 篇）。

5. 护栏（Guardrails）

•为什么：护栏必须确定性生效，不能靠模型自觉；

•落地：输入侧（防注入）、输出侧（防敏感外泄）、工具侧（白名单外拒绝）、行为侧（死循环/超预算熔断）；

•最省事的起点：先写「绝对不能做什么」的硬规则清单，再谈自动化范围。

•每一档的前提（对齐 agent-范式 07 篇渐进自主四条件）：错误可逆 / 结果可验证 / 护栏到位 / 经验积累；

•反模式：一上来就「全自动」——Agent 会以你想不到的方式失败（死循环、调错工具、上下文污染）。

•流式输出已通（长任务有进度感）

•每个工具调用有 trace（时间/参数/结果）

•评测集建好（≥20 个真实任务，跑出基线分）

•高风险动作有 HITL 审批点（不可逆动作零遗漏）

•Guardrails 有「硬规则」清单（非模型自觉）

•最大步数/token 预算有上限（防死循环烧钱）

•失败有回退路径（重试→降级→人工接管）

1生产五件套：流式 / tracing / 评测 / HITL / 护栏——缺一不可。

2评测原则：测任务级（干成了没），不测「像不像」；上线前基线、周期回归。

3护栏铁律：确定性生效，不靠模型自觉。

4发布节奏：高确认 → 内部灰度 → 小范围 → 全量——渐进放自主度。

5四条件：错误可逆 / 结果可验证 / 护栏到位 / 经验积累。

6板块三收官：生产 = 五件套 + 渐进节奏——「能跑」与「能上」的分界线。

第 09 篇（板块四·趋势）：形态实战——把前面所有技术装进三个最值钱的产品形态：编码 Agent（SWE-bench 74.9%）、研究 Agent（deep research）、常驻 Agent（监听/巡检/周期任务）。技术（框架/通用/工程化）→ 形态（拿来做什么产品）。

•[官方] Eino Callback / ADK（中断恢复）：https://www.cloudwego.io/docs/eino/

•[官方] LangSmith（可观测与评测）：https://www.langchain.com/langsmith

•[官方] Building Effective Agents（Anthropic，工作流 vs Agent + 生产建议）：https://www.anthropic.com/research/building-effective-agents

•[参考] 2026 生产 Agent 工程实践行业共识

整理：2026-10-02 月绡凝 · 依据官方工程实践。