Meta 一线视角：Agent 落不了地，卡的是基建不是模型
Deterministic Infra for Non-Deterministic AI Agents - Nishant Gupta, Meta Superintelligence Labs · Nishant Gupta
全片 7 分钟·真正值得盯屏约 2 分钟·2 个必看点
- 0:04 – 1:00听
考题换了：从能力到可靠性
开场直接把问题重新定义：demo 考的是模型有多聪明，生产系统考的是它有多可靠。讲者主张把 AI Agent 当作分布式系统对待。
模型是随机的，托住它的基础设施必须是确定性的——工程的主战场因此下沉到模型层以下。
这段主要是立论和框架铺陈，画面基本是一句话标题页，听着走即可。▶ 跳到 0:04讲者 · Nishant Gupta - 1:00 – 2:00略
云基建与 Agent 的“大错配”
逐条对照现代云基础设施的四条隐含假设——短请求、确定性服务、已知执行路径、有界失败——与自主 Agent 的有状态、长运行、动态决策、同输入不同工作流。
Agent 几乎违反了云基建赖以成立的每一条假设，这不是调参能补的错位。
核心是一张左右对照表，扫一眼两栏就能抓住全部信息，讲解在重复表格内容。▶ 跳到 1:00讲者 · Nishant Gupta - 2:00 – 3:00看
真正的生产事故长什么样
指出幻觉往往是最不重要的失败模式，真实事故更多是递归推理循环、重试放大、上下文损坏、记忆污染和成本爆炸这类基础设施型失败。
失控重试最危险：Agent 会反复生成略有变化但同样无效的请求，把一次小报错滚成算力和 GPU 占用的指数增长。
台上把重试放大的演变过程画成了逐级递增的链路，配着讲解看，比只听“指数增长”这个词直观得多。▶ 跳到 2:00讲者 · Nishant Gupta - 3:00 – 4:00略
老工具箱直接能用
把 Agent 可靠性问题一一映射到分布式系统数十年的成熟模式：熔断器对应工具隔离，限流对应 Agent 限额，重试策略对应受控恢复，资源配额对应成本治理。
绝大多数 Agent 基础设施不需要从零发明，找到对应关系就能复用现成方案。
整段是一张左右映射表，四组对应关系一眼扫完，不必逐句跟。▶ 跳到 3:00讲者 · Nishant Gupta - 4:00 – 4:50看
被低估的记忆问题
转向 Agent 架构里最容易被忽略的一环：多个 Agent 共享状态时，脏读、更新冲突、上下文漂移这些经典难题会原样复现。
很多所谓的多 Agent 推理失败，实际上是一致性失败伪装成的。
讲者在这里对着共享状态的冲突示意图逐条指认，图上标出的读写交错正是他论证的依据，脱开画面听会丢掉一半信息。▶ 跳到 4:00讲者 · Nishant Gupta - 4:51 – 6:05听
模型只建议，平台来决定
给出全片最推荐的架构原则：绝不让模型直接控制生产系统，改由基础设施校验、策略引擎审批、执行网关强制执行，并叠加提示词控制、工具权限、人工审批与审计构成纵深防御。
把决策权从模型手里收回到平台，是安全边界唯一站得住的划法。
这段是纯论证推进，屏幕上只有几行原则要点，闭着眼听不损失内容。▶ 跳到 4:51讲者 · Nishant Gupta - 6:05 – 7:11听
护城河搬到了基建层
收尾预测：正如容器催生 Kubernetes，Agent 正在催生承担调度、记忆协调、策略执行与评估监控的“Agentic 控制平面”；同时可观测性要从记录“发生了什么”升级到解释“为什么发生”。
提示词和模型都在快速商品化，下一个差异化前沿是谁的系统更可靠。
结尾是观点输出和类比推演，没有需要辨认细节的画面。▶ 跳到 6:05讲者 · Nishant Gupta