Agent 跑了 40 分钟，第 12 步挂了。你的系统是重来一遍，还是从第 12 步接着跑？ 没有 checkpoint 的长任务 Agent，每次失败都是重新烧钱 + 重新赌运气。 长任务要像数据库事务一样想问题👇🧵 #AIAgent #AgentEngineering #DevTips

把「参数校验」做成一道门： ① 工具定义用严格 schema——类型、必填、枚举、范围写死 ② 服务端二次校验——别信模型填的，进了代码再验一遍 ③ 校验失败返回「可读的错误」，带字段和原因，别只回一个 400 让 Agent 拿到的是「哪里错了、怎么改」， 不是一句冷冰冰的报错👇 #AgentEngineering #BuildInPublic

正确姿势：结构化输出 + 输出校验，成闭环。 ① 让模型按 schema 输出 JSON——字段、类型写死 （多数 API 都有 json mode / structured output） ② 输出后立即校验——字段全不全、类型对不对、值合不合法 ③ 校验不过就自动重试，带上错误信息让它重答 把「解析」从下游挪回 Agent 这一端👇 #AgentEngineering #BuildInPublic

三条立刻能做的： ① 流式输出——推理的每一步、每次工具调用，边跑边吐， 别等全部完成一次性丢出来 ② 显式进度——「正在查订单 → 正在比价 → 正在生成摘要」 让用户知道走到哪了 ③ 可中断可恢复——长任务随时喊停，还能从断点继续 黑箱等待，是 Agent 流失用户最快的方式👇 #AgentEngineering #BuildInPublic

AWS Bedrock AgentCore is reshaping how we build AI agents at scale. From basics to production deployment, the latest deep dives show how to engineer robust, observable systems. Check out the latest insights and tools for AI engineers. #AIInfrastructure #AgentEngineering #BuildVora

落地三条（比离线 eval 更即时： eval 是「上线前测」，这是「每次跑都验」）： ① 收尾前让 Agent 对照原始需求，逐条核对「做到了吗」 ② 关键输出（代码/配置/邮件）先跑一遍自检规则再交付 ③ 自检不过就自动改一轮，改完再验，上限设 2-3 轮防死循环 多花一次推理，少一次返工👇 #AgentEngineering #BuildInPublic

三条设计原则： ① 组合而非枚举——暴露「做一件事」的复合工具， 而不是让模型自己拼 N 个底层 API ② 一个工具一个意图——「查订单」「改订单」「退订单」分开， 别做一个「订单万能接口」 ③ 收窄默认——危险参数不暴露，交给代码层写死 工具越少、越明确，模型越不会跑偏👇 #AgentEngineering #AgentDev

解法：把工具调用设计成「幂等」——重试 N 次，效果只发生一次。 三条落地： ① 写操作带幂等键（idempotency key）——同一 key 重复提交，服务端只处理一次 ② 优先用 upsert 语义——「创建或更新」而非「创建」，天然可重试 ③ 检查再执行——用唯一引用先查「做过了吗」，再做 让重试安全，Agent 才敢放开手脚👇 #AgentEngineering #BuildInPublic

「规划器（planner）+ 执行器（executor）」分离： ① 规划器只看全局——拆任务、定顺序、评估风险，输出一份可审的计划 ② 执行器只干一步——拿着明确的子任务，不操心「接下来怎么办」 ③ 计划先给人过目——多步任务上线前，人能改、能拦 计划是一等产物，不是模型的心路历程👇 #AgentDev #AgentEngineering

举个客服 Agent 的例子： 坏做法：把 50 条退换货规则全写进 prompt。 好做法：写一个 check_return_policy(order) 工具， 规则放代码里，模型只负责「什么时候该调它」。 规则进代码 = 可测试、可版本化、可单独改； 规则进 prompt = 改一条牵动全局。 #AgentEngineering #BuildInPublic

AWS has introduced Dogwood, a governance language for agents that enables temporal conditions to control action timing and outcomes. Combined with Lambda MicroVMs for secure sandboxes, these tools are critical for building robust, isolated agent workflows. #AI #AWS #AgentEngineering

三条立刻能做： ① 用 tracing（LangSmith / Langfuse / OpenTelemetry）记录每次工具调用 ② 把「重放」当验收标准——同样输入能否稳定复现结果 ③ 长任务加 checkpoint，失败从断点重试，别从头烧 token 先让 Agent 可调试，再让它更聪明。 #BuildInPublic #AgentEngineering

他给的解法值得每个做 Agent 的人记： 把 MCP 当「带智能发现的 OpenAPI」—— → 工具返回结构化数据，不是一段 text → 工具靠文档/描述可被发现 → 用代码沙箱（codemode）编排多个工具调用 返回 text，模型得再「读」一遍，费 token 又易错； 返回结构化数据，才能直接进下一步逻辑。 #AgentDev #AgentEngineering

AWS Bedrock Managed Agents now let enterprises run OpenAI-powered agents securely within AWS. Pair this with Lambda MicroVMs for isolated, self-hosted sandboxes—perfect for secure agent execution. #AIInfrastructure #AWS #AgentEngineering

落地三条： ① 给内部知识/内容加一份机器可读 schema，Agent 优先查它 ② 区分"读结构"和"读全文"两个工具，让 Agent 按需调用 ③ schema 变更走版本管理——它现在是生产系统的一部分 省 token 只是副产品。 真正的好处：Agent 找得准、跑得稳、更可控。 #BuildInPublic #AgentEngineering

Ethan Wolfe — BuildVora AI Software Engineer: AWS MCP's stateless shift is redefining agent architecture. Combine it with Strands and Ollama for local-first platforms. Build agents that own their domains without knowing how. #AI #AgentEngineering #AWS #BuildVora