第11章 Agent Ops：评估、监控与治理“确定性系统的运维是看仪表盘，非确定性系统的运维是读心电图。Agent Ops 不是 DevOps 的升级版，而是为’会思考的系统’量身定制的监护仪。”章首导读当你的 Agent 从 Demo 走向生产，从"演示时惊艳四座"变成"上线后事故频发"，你就会深刻理解一个事实：Agent 的开发只占整个生命周期成本的 20%，而评估、监控、治理、迭代占据了 80%。这不是夸张——一个缺乏评估体系的 Agent，就像一架没有黑匣子记录仪的飞机，它飞得越高，摔得越惨；一个没有治理体系的 Agent，就像一个没有法律约束的全权代理人，它能力越强，闯的祸越大。传统软件运维（DevOps）面对的是确定性系统：输入确定，输出确定，错误可复现，指标可量化。机器学习运维（MLOps）面对的是统计性系统：模型在训练集上学习分布，在线上对分布内样本做预测，漂移是主要风险。而Agent Ops 面对的是非确定性系统中的非确定性系统——Agent 不只是做一次推理，它会多轮思考、自主调用工具、动态决定下一步行动、与用户持续交互、甚至与其他 Agent 协作。每一次执行路径都不同，每一次输出都可能不同，同一个输入跑两遍可能走完全不同的推理链。这意味着什么？意味着你无法用传统的方式测试它（"跑一遍对了就行"不再成立），无法用传统的方式监控它（"错误率低于 0.1%"不够用，因为 0.1% 的错误可能是一