生产级 AI Agent 不应该从 demo 直接进入自动执行。上线前先跑 dry-run / 影子执行，让 Agent 只给出动作建议、不改真实状态，再用人类实际操作、证据链、权限边界和审计日志对齐，能更早发现工具调用、越权、证据不足和回滚困难等问题。

生产级 AI Agent 不应该从 demo 直接进入自动执行。上线前先跑 dry-run / 影子执行，让 Agent 只给出动作建议、不改真实状态，再用人类实际操作、证据链、权限边界和审计日志对齐，能更早发现工具调用、越权、证据不足和回滚困难等问题。

生产级 AI Agent 不应该从 demo 直接进入自动执行。上线前先跑 dry-run / 影子执行，让 Agent 只给出动作建议、不改真实状态，再用人类实际操作、证据链、权限边界和审计日志对齐，能更早发现工具调用、越权、证据不足和回滚困难等问题。

生产级 AI Agent 不应该从 demo 直接进入自动执行。上线前先跑 dry-run / 影子执行，让 Agent 只给出动作建议、不改真实状态，再用人类实际操作、证据链、权限边界和审计日志对齐，能更早发现工具调用、越权、证据不足和回滚困难等问题。

生产级 AI Agent 不应该从 demo 直接进入自动执行。上线前先跑 dry-run / 影子执行，让 Agent 只给出动作建议、不改真实状态，再用人类实际操作、证据链、权限边界和审计日志对齐，能更早发现工具调用、越权、证据不足和回滚困难等问题。

本文从生产级 AI Agent 的工程控制面出发，说明如何用 LangGraph 显式管理状态流，用 OpenTelemetry 串起模型、工具、检索和后处理链路，并用结构化审计日志补齐复盘、合规和故障排查能力。

从 Agent 工作流角度比较 Codex 与 Claude Code，重点分析上下文、验证、权限和人工确认对真实工程落地的影响。

很多 Agent 试点阶段看起来可用，一到生产就被成本、延迟和高风险调用拖住。上线前需要先建立任务分级、模型路由、预算熔断、缓存复用和成本审计，避免每次请求都默认打最贵模型。

很多 Agent 事故不是模型不会推理，而是工具权限、审批边界和审计链路没有先设计好。上线前需要把只读、草稿、可撤销写入、高风险动作分层，并把人工确认、幂等、回滚和审计日志接进运行链路。

生产 Agent 的风险往往不是一次正常调用，而是工具超时、重复执行、证据缺失、写入失败和人工接管断点。上线前应把 5 类失败演练跑通，验证幂等、回滚、审计日志、人工确认和降级策略是否真的可用。