4.1 失效模式——软失效 vs 失控
小王的 Skill + Agent 方案上线了，但出了问题。他需要知道怎么排查——Skill 出问题和 Agent 出问题，排查方法完全不同，危害程度也天差地别。
两种失效模式
Skill 软失效
AI 忽略了 Skill 中的部分指令，但不会报错，也不会告诉你它跳过了什么。危害有限——只是"没做到"，不会造成破坏。
Skill 说"检查 OWASP Top 10"，AI 只检查了其中 6 项，跳过了 4 项——没有任何提示，你可能几天后才发现。
Agent 失控
Agent 的行为偏离预期，可能产生实际损害——因为 Agent 有自主行动能力。失控不只是"没做好"，而是"做了不该做的事"。
Agent 被分配"修复所有 API 错误处理"，结果它在生产数据库上直接执行了 DDL 语句——越权操作造成了实际破坏。
Skill 软失效的四种类型
部分忽略
表现 AI 跳过了 3/10 个检查项，但没报错
修复 缩短 Skill，突出关键指令
优先级偏移
表现 AI 先做性能检查，忽略了安全检查
修复 加"**必须先检查安全**"，明确优先级
上下文稀释
表现 多个 Skill 同时激活，AI 混淆了指令
修复 减少同时激活的 Skill 数，避免冲突
格式偏离
表现 AI 没按 Skill 规定的格式输出
修复 用示例替代描述，提供输出模板
Agent 失控的五种类型
无限循环
表现 Agent 一直在"思考→行动→观察"，不停止
防御 设置最大循环次数、token 上限
走偏
表现 Agent 偏离原始目标，被无关信息吸引
防御 每步检查与目标的偏离度
越权操作
表现 Agent 执行了不该执行的操作
防御 权限金字塔：禁止/审批/确认/自主
成本爆炸
表现 Agent 消耗了大量 token，费用失控
防御 设置 token 止损线、费用预警
级联失败
表现 一个 Agent 的错误传播给其他 Agent
防御 每个 Agent 独立沙箱、失败隔离
Agent 代码质量问题补充
以上是运行时层面的失控类型。Agent 产出的代码本身也有质量问题（参见 Agent Engineering 课程 5.1 "九种失败模式"），包括：UI 与行为不一致、状态管理失败、业务逻辑不匹配、数据管理错误、API 与外部服务失败、安全漏洞、重复代码、代码库感知不足、异常与错误处理缺失。
这两类失败模式是互补的——运行时失控是"Agent 跑偏了"，代码质量问题是"Agent 写出 Bug 了"。
排查方法
排查 Skill 问题
Skill 失效是"无声"的，需要主动探测：
1
对比期望 vs 实际
明确定义"AI 应该做到什么"，对比实际输出
2
检查 Skill 是否激活
确认 Skill 被正确加载（检查文件路径、触发条件）
3
缩短 Skill
太长的 Skill 更容易被 AI 忽略——渐进式披露
4
加强关键指令
用强调语气："**必须**"、"**不允许跳过**"
5
添加自检提示
在 Skill 末尾加"完成前请确认以上所有项都已检查"
6
A/B 测试
修改前后对比，量化改进效果。每次只改一个变量
排查 Agent 问题
Agent 失控是"有声"的，但危害更大——排查的关键是限制损害范围：
1
立即停止 Agent
发现失控第一时间停止执行，防止损害扩大
2
检查行为日志
Agent 的每一步行动都有记录，追踪偏离点
3
定位根因
是停止条件不明确？权限过大？目标太模糊？
4
加设护栏
权限金字塔：禁止层 / 审批层 / 确认层 / 自主层
5
回归测试
修复后在沙箱环境中测试，确认不再失控
协同失效——两种问题同时出现
场景 1：Skill 的标准 Agent 不遵循
Skill 定义了 10 个必检项，但 Agent 自主决策时跳过了其中 3 项——Skill 软失效 + Agent 自主性冲突。
→ 加强 Skill 中的关键指令，或在 Agent 中设置检查点强制执行
场景 2：Skill 的护栏被 Agent 绕过
Skill 写了"不要修改生产数据库"，Agent 通过间接方式（先删表再重建）绕过了这个约束——Agent 越权。
→ 护栏要设在 Agent 代码层（权限控制），不只是提示词层
场景 3：Agent 执行结果与 Skill 标准矛盾
Agent 修了 bug 但违反了代码风格——修复正确，但不符合 Skill 定义的标准。
→ Skill 优先级明确：安全 > 正确 > 风格
失效模式对比总结
维度
Skill 软失效
Agent 失控
可见性
低——不报错，需要主动探测
高——行为明显异常
损害程度
低——只是没做到
高——可能执行错误操作、消耗大量资源
排查难度
高——无声无息，只能从输出倒推
中——有行为轨迹可追踪
修复方式
改措辞、缩短、加强
设限制、加护栏、限制权限
预防优先级
中
高——失控的代价远大于软失效
调试检查清单
遇到问题时，按这个顺序排查：
0/7 已完成
✓问题出在 Skill 还是 Agent？（行为是无声忽略还是明显异常？）
✓如果是 Skill：AI 是否遵循了指令？是否跳过了某些步骤？
✓如果是 Agent：行为是否偏离目标？是否越权？是否无限循环？
✓如果是协同：Skill 的护栏是在提示词层还是代码层？
✓Skill 修复：缩短、加强措辞、添加自检
✓Agent 修复：设限、加护栏、限制权限、沙箱测试
✓修复后是否需要 A/B 测试或回归测试验证效果？
本节核心要点
- Skill 失效是"软"的——无声无息，需要主动探测；Agent 失效是"失控"——可能产生实际损害
- Skill 四种软失效：部分忽略、优先级偏移、上下文稀释、格式偏离
- Agent 五种失控：无限循环、走偏、越权操作、成本爆炸、级联失败
- 协同失效的三种场景：标准不被遵循、护栏被绕过、结果与标准矛盾
- 预防优先级：Agent 失控 > Skill 软失效——失控的代价远大于软失效