学了3个月Agent还只会Demo？用这5项工程能力做一次自测一个Agent Demo可以很精彩：输入目标，自动搜索，最后生成一份报告。但让另一个人使用时，换了问题就报错，重启进程任务消失，超时后不知道执行到哪一步。这时继续加一个Agent，通常解决不了核心问题。**我更建议把下一阶段当成工程自测：系统在你不盯着的时候，会怎么工作。**下面五项能力，每一项都配一个可以动手验证的题目。1. 任务状态：能解释“现在进行到哪”至少区分待执行、运行中、等待确认、成功与失败。给任务分配稳定标识，保存必要进度，说明什么时候允许恢复，什么时候必须重新开始。练习：在查询完成、报告尚未生成时停止进程。重启后查任务记录，确认系统能明确报告状态。恢复不能简单等于把所有步骤重新做一遍。2. 工具契约：能处理“没按预期返回”每个工具都应明确输入范围、输出结构、错误类型和是否有副作用。模型生成的参数需要校验，查询失败与查无结果也要分开。练习：让工具返回字段缺失、无效日期和超时。看系统能否记录具体失败原因，而不是统一回答“稍后再试”。写操作再增加重复调用测试，验证幂等约束。3. 数据边界：能控制“谁能看到什么”用户身份必须来自服务端可信会话，不能让模型自己决定租户或用户编号。检索和工具查询都要执行权限过滤，返回的引用也不能泄露无权查看的资料。练习：准备两个用户和两组互不可见的资料，让他们提出相同问题。检查检索结果、答案和日志中的访问边界。公开练习数据同样可以验证这类设计。4. 评测定位：能回答“改了以后真的更好吗”把正常任务、缺信息、无答案、工具故障和越权请求固定成评价集。分别看任务完成、工具行为、引用正确性和开销，避免用一个总分遮住风险。练习：只改提示词，比较同一批样本，记录改善与退化。人工判定要给规则，不能只写“感觉更聪明”。模型评审可辅助，但关键业务结果仍需可核查的判据。5. 交付运行：能让别人启动并排障写出环境、依赖、配置样例和启动命令，配置中不能带密钥。日志要能串起任务、模型和工具调用，错误可定位到具体环节。练习：把项目交给没看过代码的人启动。然后模拟模型服务不可用，检查是否能降级、停止或给出清楚的失败状态。持久化机制可以辅助任务恢复，但不能替代外部写操作的幂等设计。（参考：LangGraph：Persistence；核对日期：2026-10-15。）别按学习时长评价自己“三个月”只是一个常见学习阶段，不是能力标准。有人做过多年业务系统，迁移很快；有人刚开始写服务，需要补的基础更多。把五项自测的结果写进项目文档，比再放一张聊天截图更有说服力。你可以在评论区写出最先暴露的问题，关注这个系列，继续看企业级系统怎样确定验收边界。
学了3个月Agent还只会Demo？用这5项工程能力做一次自测一个Agent Demo可以很精彩：输入目标，自动搜索，最后生成一份报告。但让另一个人使用时，换了问题就报错，重启进程任务消失，超时后不知道执行到哪一步。这时继续加一个Agent，通常解决不了核心问题。**我更建议把下一阶段当成工程自测：系统在你不盯着的时候，会怎么工作。**下面五项能力，每一项都配一个可以动手验证的题目。1. 任务状态：能解释“现在进行到哪”至少区分待执行、运行中、等待确认、成功与失败。给任务分配稳定标识，保存必要进度，说明什么时候允许恢复，什么时候必须重新开始。练习：在查询完成、报告尚未生成时停止进程。重启后查任务记录，确认系统能明确报告状态。恢复不能简单等于把所有步骤重新做一遍。2. 工具契约：能处理“没按预期返回”每个工具都应明确输入范围、输出结构、错误类型和是否有副作用。模型生成的参数需要校验，查询失败与查无结果也要分开。练习：让工具返回字段缺失、无效日期和超时。看系统能否记录具体失败原因，而不是统一回答“稍后再试”。写操作再增加重复调用测试，验证幂等约束。3. 数据边界：能控制“谁能看到什么”用户身份必须来自服务端可信会话，不能让模型自己决定租户或用户编号。检索和工具查询都要执行权限过滤，返回的引用也不能泄露无权查看的资料。练习：准备两个用户和两组互不可见的资料，让他们提出相同问题。检查检索结果、答案和日志中的访问边界。公开练习数据同样可以验证这类设计。4. 评测定位：能回答“改了以后真的更好吗”把正常任务、缺信息、无答案、工具故障和越权请求固定成评价集。分别看任务完成、工具行为、引用正确性和开销，避免用一个总分遮住风险。练习：只改提示词，比较同一批样本，记录改善与退化。人工判定要给规则，不能只写“感觉更聪明”。模型评审可辅助，但关键业务结果仍需可核查的判据。5. 交付运行：能让别人启动并排障写出环境、依赖、配置样例和启动命令，配置中不能带密钥。日志要能串起任务、模型和工具调用，错误可定位到具体环节。练习：把项目交给没看过代码的人启动。然后模拟模型服务不可用，检查是否能降级、停止或给出清楚的失败状态。持久化机制可以辅助任务恢复，但不能替代外部写操作的幂等设计。（参考：LangGraph：Persistence；核对日期：2026-10-15。）别按学习时长评价自己“三个月”只是一个常见学习阶段，不是能力标准。有人做过多年业务系统，迁移很快；有人刚开始写服务，需要补的基础更多。把五项自测的结果写进项目文档，比再放一张聊天截图更有说服力。你可以在评论区写出最先暴露的问题，关注这个系列，继续看企业级系统怎样确定验收边界。