第 10 章：从原型到产品
从学习版到可发布产品的差距
你已经构建了一个可以工作的 CLI agent。它能流式响应、调用工具、管理上下文，并且会在危险操作之前请求审批。这已经是一个真正的 agent，但它还是一个学习版 agent。生产级 agent 需要在没有开发者盯着看的情况下，大规模处理各种可能出错的事情。
本章会说明还缺什么，以及如何补上每个缺口。我们不会把所有内容都实现完（那会变成另一本书），但你会清楚知道接下来该构建什么，以及为什么要构建。
下一组问题
本系列剩余部分会拆成几个聚焦章节。你可以从最符合当前风险的领域开始：
- 可靠性：重试、限流、取消和结构化日志。
- 记忆：对话记忆、语义记忆和实用的记忆测试。
- 安全：命令沙箱、目录范围限制和 prompt injection 防御。
- 工具系统与测试：工具结果大小限制、并行执行和真实工具集成测试。OpenCode 和 Claude Code 的模式可以参考 工具编排参考。
- Agent Planning：plan/build 模式、审批流程和只读 planning 约束。
- Subagents：把边界清晰的工作委派给专门的 agent，更接近 OpenCode 和 Claude Code 的生产级模式。
加固清单
下面是一份把 agent 推向生产环境的清单。条目按影响力排序：
必须有
- 带重试和 circuit breaker 的错误恢复
- 限流和成本控制
- 工具结果大小限制
- 结构化日志
- 取消支持
- shell 工具的命令 blocklist
应该有
- 持久化对话记忆
- 文件工具的目录范围限制
- 只读工具的并行执行
- 复杂任务的 agent planning
- 真实工具的集成测试
- prompt injection 防御
可以有
- 容器沙箱
- 用于 review、探索和验证的 subagents
- 基于 embeddings 的语义记忆
- 执行前成本估算
- 对话分支 / undo
- 自定义工具插件系统
推荐阅读
这些书会加深你对生产级 agent 系统的理解。排序方式是：它们和本书已经构建内容的互补程度。
从这里开始
AI Engineering: Building Applications with Foundation Models — Chip Huyen（O’Reilly，2025）
这是这份书单里最重要的一本。它覆盖完整的生产级 AI 技术栈：prompt engineering、RAG、fine-tuning、agents、大规模评测、延迟 / 成本优化和部署。它不会非常深入 agent 架构本身，但会补齐架构周围的所有缺口：如何可靠评测、管理成本、高效服务模型，以及构建不会在规模化后崩掉的系统。如果你在本书之外只读一本，就读这本。
Agent 架构与模式
AI Agents: Multi-Agent Systems and Orchestration Patterns — Victor Dibia（2025）
这是和我们所构建内容最接近的一本，但走得更远。全书 15 章，覆盖 6 种编排模式、4 条 UX 原则、评测方法、失败模式和案例研究。它在 multi-agent 协作方面尤其强。当你准备从简单 subagents 走向更丰富的 multi-agent 系统时，可以读这本。
The Agentic AI Book — Dr. Ryan Rad
一本覆盖 AI agents 核心组件，以及如何让它们在生产环境中工作的综合指南。理论和实践的平衡不错。如果你想从我们使用的 tool-calling 路线之外获得更宽的 agent 设计模式视角，这本会有帮助。
框架相关
AI Agents and Applications: With LangChain, LangGraph and MCP — Roberto Infante（Manning）
我们使用 Vercel AI SDK 从零构建所有东西。这本书采取相反路线：以 LangChain 和 LangGraph 为基础。它值得一读，因为你可以看到框架如何解决我们手动解决过的同类问题，比如工具注册表、agent loops 和 memory。你也会更能理解基于框架和从零构建之间的取舍。它还覆盖 MCP（Model Context Protocol），这是正在成为工具互操作标准的协议。
从零构建路线（类似本书）
Build an AI Agent (From Scratch) — Jungjun Hur & Younghee Song（Manning，预计 2026 年夏）
它和本书的理念非常相近：从底层一步步构建。内容包括 ReAct loops、MCP 工具集成、agentic RAG、memory modules 和 multi-agent systems。目前已有 MEAP（early access）。如果你想从另一个角度走同一段旅程，尤其是我们没有覆盖的 memory 和 RAG 章节，这本很适合作为第二视角。
更广的生态视角
AI Agents in Action — Micheal Lanham（Manning）
这本书概览 agent 生态：OpenAI Assistants API、LangChain、AutoGen 和 CrewAI。它在单一路线上的深度较少，但对于理解整个版图很有价值。如果你正在评估生产级 agent 要使用哪些框架和平台，或者想看看不同工具如何解决相同问题，可以读这本。
如何使用这些书
| 如果你想… | 阅读 |
|---|---|
| 把 agent 发布到生产环境 | Chip Huyen 的 AI Engineering |
| 构建 multi-agent systems | Victor Dibia 的 AI Agents |
| 理解 LangChain/LangGraph | Roberto Infante 的 AI Agents and Applications |
| 获得第二个从零构建视角 | Hur & Song 的 Build an AI Agent |
| 浏览 agent 生态 | Micheal Lanham 的 AI Agents in Action |
| 广泛理解 agent 理论 | Dr. Ryan Rad 的 The Agentic AI Book |
结束语
构建一个 agent 是容易的部分。让它可靠、安全、成本可控，才是真正的工程所在。
好消息是：本书里的架构可以继续扩展。callback 模式、工具注册表、消息历史和 eval 框架，都是生产级 agents 也会使用的模式。你要做的是加 guardrails 和 hardening，而不是推倒重写。
从 “Must Have” 条目开始。先加入限流和错误恢复，它们能避免最昂贵的失败。然后根据真实用户需要，逐步推进剩余清单。
第 4 章构建的 agent loop 是基础。后面的所有工作，都是让它变得值得信任。
祝你顺利发布。
继续读到第 16 章即可完成本系列。后续主题记录在 README 的 Roadmap 部分。