你的智能体也在变老：面向部署系统的智能体寿命工程

长期运行的 AI 智能体常被视为持久系统，却仍按初始模型评估。本文指出可靠性是智能体全生命周期的属性，而非仅取决于基础模型。作者提出 AgingBench，一种纵向可靠性基准，将智能体老化分为压缩、干扰、修订和维护四种机制。利用时间依赖图和反事实探测，该基准能诊断记忆流水线中写入、检索和利用阶段的故障。实验表明，智能体老化具有多维性，需针对性修复以确保持续可靠部署。