AI Agent 从 Demo 到生产的差距分析：好的 demo 天生会隐藏摩擦。生产环境会把摩擦带回来：奇怪输入、缺失权限、过期文档、工具错误、不耐烦用户，以及没人有时间看的日志。
差距一：测试数据太干净
Demo 数据通常是团队挑过的。生产数据会很乱、不完整、重复、过期，有时还带敌意。上线前要故意用坏输入测试。
差距二：权限只是默认理解
Demo 里大家都知道 Agent 可以做什么。生产里权限必须在 prompt 之外执行。如果授权只写在指令里，它就不是边界。
差距三：忽略工具失败
Demo 往往默认工具会成功。生产需要重试、超时、部分失败处理和清晰停止条件。“一直重试直到成功”不是可靠性。
差距四：没人负责 fallback
如果 Agent 完不成任务，谁接工单、收到什么证据、用户看到什么？Fallback 归属是产品设计的一部分。
差距五：没有衡量成功
不要只看使用量。要看任务完成、升级率、不安全工具调用尝试、每个完成任务成本、延迟和人工接手后的解决率。
可复制的分享文案
我在整理 AI Agent 上线检查时会看这篇：AI Agent 从 Demo 到生产的差距分析。它不是泛泛讲概念，而是把风险、控制点和下一步拆开。相关资源
下一步
如果这个主题已经影响真实用户或客户数据，建议先运行自测，再把阻塞项整理到上线清单里。 AI Agent 就绪度自测 可以作为第一步。