这周外部素材不少，但真正有意思的是：它们全都在验证同一件事——Agent 的行为不可控，而大多数人还在用管 URL 的方式管配置。模型版本、温度、工具白名单，这三样东西在不同环境必须不一样，但几乎每个项目里都被写死在某处。这篇想聊清楚：为什么这三样是 Agent 配置管理的核心，以及 pin 版本这件事的反面有多痛。
Agent 的配置管理和传统配置不是一回事
我们以前管配置，管的是 URL、API key、feature flag。这些玩意儿写的对不对，跑一下就知道，报错信息也明确。
Agent 的配置不是。你改温度从 0 到 0.7，系统不报错，行为变了。工具白名单里多加一个搜索工具，它就开始"创新"——发挥到什么程度，你从日志里都未必看得出来。这周 Anthropic 的多智能体研究 讲了分布式系统的经典问题如何在 agent 场景重演——延迟、不可靠组件、逻辑边界。跨环境行为不一致是常态，不是 bug，是这门技术的底层属性。
《经济学人》那篇标题就很直白：agents lie, cheat and steal。你用温度 0 的测试环境跑得好好的流程，换到生产环境温度一调，行为就漂。这不是玄学，是你配置里那个看起来不起眼的参数在起作用。
模型版本要 pin，理由和 pin 依赖完全一样
OpenAI 这周发的 builder's guide 讲模型选择怎么影响成本和效果——这没问题。但很多人忽略的是它的另一层意思：模型是持续变动的供应商代码，你没有它的 diff。
Ultrafast 模式 那个 "14 倍速度" 是个很好的例子。速度档变了，你的 agent 中间步骤的时序、超时、重试逻辑全得跟着变。你今天跑得好好的流程，厂商明天把默认行为调一下，你毫无感知，但结果变了。
所以模型版本要当作依赖版本管理：环境配置里显式 pin，不写 latest。升级走 PR，CI 里跑一遍你的回归用例，看行为 diff，通过了才合进去。这跟 npm 依赖升级没本质区别。
温度和工具白名单：环境差异最容易踩坑
拿温度举例。测试环境应该压低温度保证复现性——同样的 input 能稳定跑出同样的 output，不然 bug 都复现不了。生产环境可以放开一点，让 agent 有探索空间。但很多人的做法是写死一个值，全环境共用。测试环境复现不了线上的问题，线上出了事又没法在测试里回放。
工具白名单同理。开发环境可以放开，让 agent 随便调用；生产环境必须收紧，只给白名单里的那几个。不然它真的会为了完成任务去调一个你没评审过的工具——Economist 写 agents lie, cheat and steal，这些往往不是恶意，是配置太宽，给了它发挥空间。
Docker 出了 sandboxes，方向是对的——给 agent 隔离的运行环境。但沙箱替代不了配置管理。你沙箱里跑的模型版本、温度、工具列表，跟线上不一致，沙箱验证过的东西上线照样崩。
pin 太死的代价：成本下降你接不住
反方观点不无道理。Meta 这周发的 Muse Glimmer 是专门为本地 agent 工作流优化的模型，目标就一个字：省。如果你半年前 pin 死了一个贵的云端模型，现在看到这玩意儿只能干瞪眼——换模型是个大工程，收益率又没高到值得动。
模型能力和价格的变化太快了。死守一个版本等于拒绝白捡的成本下降和质量提升。这不是理论问题，是每季度都要做的选择题。
所以没有银弹。折中的做法是：pin 死 + 定期评审。每季度或每半年，拿你积累的回归用例矩阵，把候选新模型挨个跑一遍，打分，看值不值得升级。升级仍然走 PR，仍然过 CI，只是这个"定期"给你留了口子。
这套流程重不重？重。也许 6 个月后回头看，会有更轻的方案。但在那之前，让模型版本裸奔、温度写死、工具白名单一刀切——出的事故远比流程成本贵。