在本地运行完美的代理工作流在生产环境中往往因关键工程缺陷而失败。这些失败源于内存泄漏、评估盲点和工具脆弱性，而非固有的复杂性。大语言模型（LLM）是无状态的，这使得上下文窗口限制和会话记忆成为生产环境中的重大障碍。简单的提示词累积会超出上下文窗口，导致延迟增加、成本上升以及推理质量下降。生产级代理需要一种混合记忆系统，包含短期缓冲区、中期向量嵌入和长期结构化数据。传统单元测试对 LLM 而言不足够；生产环境需要采用 LLM-as-a-judge 评估方法和黄金数据集进行回归测试。工具脆弱性源于未处理的 API 错误、网络问题以及模式（schema）变更，因此需要健壮的重试机制和熔断器。工具编排必须包含用于重试的指数退避策略、用于外部依赖的熔断器以及用于防止错误的模式验证。通过追踪级日志记录、成本跟踪和人工介入逃生通道实现有效的可观测性至关重要。弥合这些差距意味着将重点从提示工程转向代理系统工程，要求在内存管理、测试、工具和可观测性方面保持严谨。生产就绪性涉及实施这些模式，并为每个工具调用建立回退机制和安全审计。