เหตุใดฉันจึงไม่สามารถเล่นซ้ำสิ่งที่เอเจนต์ทำเมื่อมันล้มเหลวใน production ได้อย่างแม่นยำ?

เอเจนต์ LLM ที่ล้มเหลวใน production ไม่สามารถทำซ้ำเพื่อ debug ได้อย่างน่าเชื่อถือ เพราะการรันพรอมต์เดิมซ้ำให้ผลลัพธ์ที่แตกต่างกัน เฟรมเวิร์กเอเจนต์ส่วนใหญ่บันทึก input และ output สุดท้ายแต่ทิ้ง execution trace เต็มรูปแบบ ทำให้ tool call ระดับกลาง การตอบสนองของโมเดล และการเปลี่ยนแปลง state ทุกอย่างหายไปทันทีที่การรันสิ้นสุด หากปราศจาก execution lineage การรันที่ล้มเหลวคือหลุมดำทางนิติเวช และวิศวกรต้องสร้างภาพความล้มเหลวจากอาการแทนที่จะเป็นสาเหตุ บทความเดือนพฤษภาคม 2026 เสนอ deterministic execution graphs เป็น primitive แรกสำหรับสิ่งนี้ แต่ระบุว่าการจับและเล่นซ้ำ trace แบบ non-deterministic ในระดับ production โดยไม่เกิดค่าใช้จ่ายที่สูงเกินไปยังคงเป็นปัญหาวิศวกรรมที่เปิดอยู่ กรณีศึกษาแยกต่างหากในปี 2026 เกี่ยวกับความล้มเหลวของ agentic ในเวิร์กโฟลว์ทางวิทยาศาสตร์พบว่าขั้นตอนกลางที่ดูน่าเชื่อถือแต่ผิดพลาดแพร่กระจายผ่าน pipeline อย่างเงียบๆ เพราะไม่มี re