“Agent 不是不聪明，是没技能”：Langfuse 创始人复盘踩过的 6 个大坑

很多团队以为自己的 AI Agent 不够聪明，于是疯狂换模型、堆参数。但 Marc Klingen 讲了一场让人后背发凉的分享：问题根本不在模型，而在“技能”。这次，他把 Langfuse 在真实客户中训练 coding agent 的失败、反直觉认知和 6 个关键教训，全部摊开讲清楚。

Agent 翻车的真相：不是模型不行，而是你没教会它怎么“用手”

一开场，Marc 就把很多 AI 团队最不愿承认的事实摆在台面上：我们高估了 Agent 的“自主能力”，低估了“技能设计”的复杂度。

他用一个极其形象的比喻开刀——魔方。给你一个魔方、给你无限时间、甚至给你“随便拧”的自由，你依然解不开；但一旦你有了说明书，一步一步照着做，事情立刻变得可控。

在他看来，今天的 coding agent 就处在“有手有脚但没说明书”的阶段。它们有 bash、有 API、有工具调用权限，看起来什么都能做，但不知道什么时候该做什么。这也是为什么行业里曾经爆发过那场著名的争论：Workflow vs. Fully Autonomous Agent。

Marc 的结论很直接，也很现实：这根本不是二选一的问题。没有技能（skills）的 agent，是无法规模化工作的；而纯 workflow，又会把系统变回 2020 年的自动化脚本。真正可用的系统，一定是两者的结合。

“加个 Agent 帮我接入 Langfuse”——听起来简单，实际是噩梦

真正的难题，出现在 Langfuse 自己身上。

客户开始提出一个听上去极其合理的需求：“我不想读几百页文档，能不能有个 Agent，直接帮我把 Langfuse 接进项目？”

如果你做过开发者工具，你会立刻意识到危险在哪里：这是一个开放世界问题。不同语言、不同框架、不同代码风格、不同基础设施状态，而用户给你的，往往只是一个模糊的文本输入框。

Marc 坦承，他们一开始也踩了坑——Agent 要么卡在工具调用上，要么在错误的上下文里“自作聪明”，甚至把事情越做越糟。问题并不是 Agent 不努力，而是：

• 它不知道成功的目标状态长什么样
• 它不知道什么时候该停
• 它不知道哪些步骤是绝对不能跳的

直到他们开始把“技能”当成一等公民，而不是 prompt 附属品，事情才开始好转。

真正拉开差距的，是“技能”的 3 个隐藏维度

在分享中，Marc 反复强调：Skill 不是一个 fancy 的名字，而是一套极其工程化的约束系统。

从他们的实践来看，一个可用的 skill，至少要明确三件事：

第一，清晰的目标边界。Agent 必须知道，这个技能的“完成态”是什么，而不是无限探索。否则它会陷入无意义的循环尝试。

第二，强约束的工具执行路径。不是“你可以用这些工具”，而是“在这个阶段，只能用这个工具”。Marc 特别指出，工具自由度越高，Agent 出错概率反而越大。

第三，可观测性不是事后分析，而是设计前提。Langfuse 之所以要把 tracing、evaluation 深度嵌入 skill，本质原因只有一个：如果你不能在执行过程中理解 Agent 在想什么，你就永远只能靠运气调系统。

这也解释了一个很多团队的困惑：为什么 demo 里看起来很聪明的 Agent，一到真实用户手里就疯狂翻车？答案是：demo 不需要技能体系，产品需要。

6 个血淋淋的教训：Agent 能不能落地，全看你信不信这些话

在演讲后半段，Marc 把所有经验压缩成 6 个 takeaways。他没有逐条念 PPT，而是反复强调其中一个核心思想：Agent 设计不是 AI 问题，是产品和工程问题。

这些教训背后，有一个共同指向：不要指望 Agent 自己“学会怎么帮你”。你必须提前决定：

• 它的目标是否足够具体
• 它的失败是否是可观测的
• 它的行为是否是可回滚、可纠正的

如果这些问题你答不上来，那么你现在做的，不是 Agent，而是一个不可控的随机系统。短期可能惊艳，长期一定翻车。

Marc 的态度并不悲观。相反，他认为：一旦技能模式跑通，Agent 会第一次真正进入“工程时代”，而不是停留在玩具阶段。

总结

这场分享最狠的一点在于，它戳破了一个行业幻觉：我们总以为再聪明一点的模型，就能解决 Agent 的一切问题。但 Langfuse 的实践证明，决定成败的，是你有没有把“技能”当成产品来设计。

如果你正在做 Agent，这里有一个立刻可执行的行动建议：别再问“模型够不够强”，先问自己三个问题——目标是否可判定？路径是否受约束？过程是否可观测？

能清楚回答这三点，你的 Agent 才有资格进入真实世界。否则，它永远只是一个看起来很聪明的 Demo。

关键词： AI Agent， Langfuse， Skill 设计， Agent 工程化， 可观测性

事实核查备注： 需要核查：Marc Klingen 的身份与头衔；Langfuse 成立时间（约三年前）；Langfuse 在开源 tracing/evaluation 工具中的规模描述；演讲中提到的“6 个主要教训”是否完整对应原视频。