待验证50% 置信决策规则精确时间
在Agent场景中，仅报告平均值会掩盖长尾失败，少数复杂对话往往决定产品能否上线，因此报告失败案例分布（如按意图类别、对话轮数分层）比单一平均值更有说服力。
1
来源数
50%
置信度
长期有效
时效性
2026/10/13
首次发现
来源
涉及实体
相关事实
待验证业界通常将Agent的容错行为分为三个等级：静默失败（最差）、抛出异常停止（中等）、识别根因并恢复或上报（最优）77% 相似待验证最小可复现案例的思路在Agent调试中有效，将问题剥离到最简形式后再交给Agent处理往往比在完整项目上反复纠错效率更高76% 相似待验证大语言模型驱动的Agent具有非确定性，同样的输入未必得到同样的结果，因此评估需要考虑多次运行和统计通过率73% 相似待验证将主查询与支持查询分开评判可以将Agent的查询规划能力拆解为可量化的子任务，便于定位失败源于意图误解还是信息补全策略不足73% 相似待验证在LangGraph多智能体系统中，Agent交接时传递完整对话转录会浪费token和推理算力，并引入误读风险，因为下游Agent需要重新发现哪些决策已确定、哪些工具结果权威、哪些问题未解决72% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1019623API
curl https://kongchang.com/api/v1/knowledge/claims/1019623MCP
get_claim(id=1019623)