为什么你的 AI Agent 总是翻车？一场“做酱”现场给了答案

很多 AI 从业者都遇到过同一个怪现象：模型很强，Agent 一跑就崩。这期 Latent Space 把 Dex Horthy 拉进厨房，一边做酱，一边拆解了 AI Agent 失败的真正原因——答案不在模型，而在“上下文”和人类介入的方式。

开场就不讲模型：AI Agent 失败，和“火候”有关

视频一开始完全不像一场技术访谈：镜头对准的是锅里的酱汁，“Look at that sauce”。但这不是噱头，而是隐喻。Dex Horthy 反复强调，很多 AI Agent 的问题，不是算法不够先进，而是实现方式“太天真”——就像用一个教科书级的 Dijkstra 算法，直接拿去跑真实世界的复杂路径。

在 Agent 世界里，大家默认只要把 LLM 接上工具、给个目标，它就会自己规划、自己执行。但现实是：Agent 经常在看似合理、实则错误的路径里兜圈子，最后把系统拖进不可恢复的状态。Dex 把这种情况形容为“味道不对，但你一开始尝不出来”。

Context Engineering 走红的真正原因：大家都被 Agent 坑过

当聊到 Dex 如何进入 context engineering 这个领域时，他提到一个关键信号：这个词在某个时间点突然“爆了”。原因很简单——几乎所有认真做 Agent 的团队，都撞上了同一面墙。

很多人最初的假设是：Prompt 写好一点就行。但很快发现，真正决定 Agent 行为质量的，是“上下文如何被组织、更新和裁剪”。上下文不是越长越好，而是要像做菜一样，知道什么时候加料、什么时候收。

视频里有一句很有代表性的总结：大家嘴上说模型不行，实际上是在为糟糕的上下文管理买单。这也是为什么 context engineering 从“边角活”变成了核心能力。

Human-in-the-loop 不是倒退，而是避开 Agent 的“死区”

Dex 提到了一个很重要的概念：dead zone。那是一种状态——问题已经超出了当前 Agent 的能力边界，但系统本身却意识不到，还在自信地往前跑。

这正是纯自动化 Agent 最危险的地方。不是它不会做事，而是它不知道什么时候该停。Dex 的观点很明确：在关键节点引入人类，不是削弱 Agent，而是让系统整体变得更可靠。

这也是 HumanLayer 这类工具存在的逻辑基础：不是让人类接管一切，而是在“可能翻车”的瞬间，让人类成为安全阀。就像做酱时突然尝一口，发现需要多一点辣。

从 Replicate 到 Agent 实战：工程细节才是分水岭

在聊到 Dex 之前在 Replicate 的经历时，话题自然转向了“工艺”。很多人低估了工程层面对 Agent 成败的影响。

视频中反复出现一个对比：想象中的 Agent vs 真实运行的 Agent。前者像是 CEO 视角的自动化幻想，后者更像是在复杂厨房里同时看着十口锅。

真正成熟的 Agent 系统，往往不是最酷的，而是最啰嗦的：有检查、有回退、有日志、有人工确认点。这些看似不性感的设计，恰恰决定了 Agent 能不能长期跑下去。

对未来的判断：Agent 会更慢，但也更能用

当被问到对未来的预测时，Dex 的态度并不激进。他并不认为 Agent 会在短期内全面“自主化”。相反，Agent 的演进路径更可能是：能力边界逐步外扩，但人类始终在环内。

就像视频结尾反复出现的那句调侃——“加一点点香料”。不是推翻重来，而是持续微调。Agent 的竞争力，未来不在于谁的模型参数更多，而在于谁更懂得如何控制系统的味道。

总结

这期视频真正戳中的，是一个很多 AI 从业者不愿承认的事实：Agent 失败，往往不是技术不够前沿，而是工程和设计太草率。对你来说，最直接的行动建议有三个：第一，把“上下文管理”当成一等公民，而不是 Prompt 的附属品；第二，认真设计 human-in-the-loop 的介入点；第三，不要迷信全自动，稳定可控比炫技更重要。下一次你的 Agent 又翻车时，别急着换模型，先尝一口“酱”，看看是不是火候的问题。

关键词： AI Agent， Context Engineering， Human-in-the-loop， HumanLayer， Replicate

事实核查备注： 需要核查：1）Dex Horthy 的身份与其与 HumanLayer 的关系；2）Context engineering 走红的具体时间点（视频中提到“April”）；3）Dex 曾在 Replicate 的具体角色；4）视频中关于 dead zone 的原始表述语境。