AI想要落地其实很难！马克·库班：Agent会逐渐失效，也会慢慢偏离原来的运行状态

原文链接：https://mp.weixin.qq.com/s/P1tt77545YjGMzeL84Eh4A
编辑：姜篇；发布时间：2026-07-29 12:00
一手访谈参考：https://www.youtube.com/watch?v=1P1hJ36rxM0&t=226s
获取时间：2026-07-30

核心结论（一句话）

Agent 从 Demo 走向生产，真正要交付的不是一次生成结果，而是一条能抵御模型漂移、留下运行证据、接受人工接管并可回滚的长期工作流。

分类提炼

场景：企业 Agent 上线、运行维护、模型与工具升级治理
标签：#主题/AI-Agent #主题/Harness #主题/Agent运维 #主题/回归测试 #主题/AI工程化
类型：访谈整理 / 生产可靠性提醒 / 工程职责重组
分类理由：文章关注的不是单次提示词效果，而是 Agent 接入企业数据后如何持续运行、验证和恢复，属于 Agent 运行时与 Harness 工程。

知识节点（8 个独立概念）

上线鸿沟：可演示的结果没有覆盖认证、权限、审计、故障恢复与责任归属。
Agent漂移：模型、Prompt、工具描述或接口返回变化，会改变相同任务的实际执行路径。
部署工程：企业 Agent 需要先接通数据源、身份映射、业务规则和人工审批，模型只是其中一层。
任务回归：模型或工具变更后，应以固定成功和失败任务重跑，而不是凭一次回答好坏判断。
模型隔离：模型提供商与前端工具可替换，身份、权限、业务 API、审计和预算应保持稳定。
运行证据：步骤日志、输入输出、模型版本、工具版本和失败原因共同构成可诊断记录。
人工接管：长任务需要预算、超时、停止条件和审批点，不能把异常处理留给提示词猜测。
维护责任：Agent 进入生产后，后端、测试、平台工程和 SRE 的职责会围绕同一自动化链路重新组合。

从首次跑通到长期可用

公众号用“12 分钟生成创业项目第一版材料”说明原型生成已大幅加速；但企业知识库或业务 Agent 要上线，还需回答数据可见范围、离职权限回收、引用版本、敏感日志、超时重试与错误兜底等问题。原型解决了“能不能做”，生产系统还要回答“谁能用、发生了什么、失败后怎么办”。

文章将运行失败归因为一串会变化的条件：模型版本、系统提示词、工具描述、上下文窗口、第三方接口和返回格式。对此，应把模型升级视为受控变更：维护固定任务集，覆盖已知 Bug、查询、依赖升级和异常输入；每次变更后记录结果、耗时、Token 与人工接管次数。验收目标必须是可检查的结果，“回答看起来不错”不能替代验证器。

生产风险	最小工程控制
模型或工具漂移	固定任务回归集与版本记录
权限和数据边界不明	模型外的身份、授权与审批
失败不可复现	步骤日志、输入输出、失败原因
供应商或工具迁移	稳定网关、业务 API 与审计格式
长任务失控	预算、超时、停止条件、人工接管与回滚

对本库主线的补充

[[phodal-Better-Harness-任务级证据评估]]回答“如何证明一次任务可信完成”；本文补充“为什么生产任务会在后续变化中失效，以及需要保存哪些运行控制”。[[腾讯-AI-Agent-Skill-测评方案落地]]提供评测实践；本文把评测触发点明确为模型、Prompt、工具与接口的变更。[[若飞-Agent如何理解业务-把对象-状态和权限接进执行流程]]则补足了部署工程中的对象、状态和权限事实源。

关联图谱与证据边界

上游（基于 / 来自）

[[WorkBuddy-Harness工程复盘-从模型到可用Agent]]：把模型外的 Context、Memory、权限、反馈与 Loop 解释为可用 Agent 的基础。
[[phodal-Better-Harness-任务级证据评估]]：为“运行证据”和“任务回归”提供真实任务、证据边界与 Finding 的判断方式。
[[lencx-Agent开发指南-技术太多-该怎么学]]：其可信完成、动作回执和 Harness 边界，给本文的长期维护职责提供跨层坐标。

下游（应用于 / 验证于）

[[腾讯-AI-Agent-Skill-测评方案落地]]：可将本文的固定任务集落实为确定性评分、Rubric 与人工复核组合的评测基线。
[[若飞-Agent如何理解业务-把对象-状态和权限接进执行流程]]：可把“部署工程”中的数据映射和审批，落实到对象、状态、规则与权限契约。

同级（横向 / 并列）

[[Loop-Engineering-验证才是瓶颈]]：两者都反对把生成能力误当交付能力；该文强调验证器上限，本文强调版本漂移与运维控制。

证据边界

本文是 51CTO 对 Mark Cuban 与 Jason Calacanis 访谈的中文整理；引语、数字和上下文应回到视频核对。
“12 分钟”“两三个人完成过去每年 200 万至 300 万美元的软件”等为访谈口述，不能外推为通用工程投入或收益基准。
“Agent 会漂移”是对模型和依赖变化下工作流失效的工程概括，本文没有提供跨模型、跨版本的量化实验。