改一个「搜索摘要不能当正文」的小问题，要从 Prompt（提示词）到 Tool（工具调用）、Runtime（运行时）、Evidence（证据层）、Recovery（恢复机制）一路改过去。这是掘金上一位 Agent（让 AI 自主完成多步任务的程序）工程师的实战复盘。我们注意到：当这类 AI 应用过了 Demo 阶段，真正卡住大家的不是模型有多强，而是「修一个 Bug 要改几层」。
这是什么
作者把常见的五层画出来：Prompt、Tool、Runtime、Evidence、Recovery。每一层看似职责明确，但写代码时会发现，一个事实——比如「这个网页到底有没有被读过」——可能在五层被重新定义一遍。修一个 Bug，自然要横着走。
他的核心判断是：架构成熟的关键不是层越来越多，而是同一类问题发生时修改半径越来越小。具体做法是把「事实的定义权」收回唯一一层，其他层只能消费它的投影。比如 Tool Host 才证明调用是否真的发生，Runtime 才证明权限是否还有效，模型只能判断「证据够不够」。
他给出了实测数字：通用研究请求序列化大小减少约 31%，基金场景约 12%，组合场景约 24%。
行业怎么看
支持者说：这才是 Agent 产品能不能上生产的分水岭。2024 大家忙着发 Demo，2025 下半年拼的是维护性——修 Bug 越快越便宜，迭代才越可能跑出来。
但也有不同意见。第一，模型本身在变强，这一代可能让「摘要当正文」这类低级问题自己消失，架构未必是主要矛盾。第二，「严格分层 + 单一定义权」对团队工程能力要求很高，反而给已有规模的公司加固护城河，小团队未必玩得起。第三，作者自己承认那组数字只证明请求变小了，没直接证明 token、延迟、回答质量改善——架构干净不等于业务有效。
对普通人的影响
对企业 IT：如果正在选 AI 供应商，过去看 Demo，接下来要看的是「出问题后多久能修、要不要推倒重做」。维护能力会成为新的采购指标。
对个人职场：「会用 AI」和「能维护 AI 系统」是两种能力，后者更稀缺也更值钱。懂工程化、能做架构判断的人，正在变成新刚需。
对消费市场：普通用户短期感受不到差别，但一年后产品稳定性、回答准确度的分化会很明显。愿意在底层下功夫的产品，会把「看起来差不多」的对手甩开。