昨天写连接器、身份和回滚，重点是把 Agent 的入口和退出机制管起来。今天继续往内层补：Agent 依赖的知识怎么保持有效，发生过的问题怎么沉淀成评测集，失败样本怎么变成下一次上线前的检查题。
这五篇文章放在一起，是最近生产专题的一个转折点。前面更多在写权限、告警、接管、回滚这些运行控制；今天开始写“经验沉淀”。
知识库保鲜补的是资料可信度
Agent 回答得稳不稳，很多时候取决于它检索到的资料是否还有效。今天写知识库保鲜，是在 知识库更新提醒 和 引用冲突排查 之后，补上来源等级、负责人、下线规则这些治理字段。
这个题适合长期搜索，因为很多团队建完知识库以后，真正痛的是维护。旧资料不下线，新资料不标级，Agent 很容易把过期口径讲得很确定。
评测集补的是变更前检查
今天的 Agent 实战写评测集，重点放在真实失败样本，而不是理想问答。因为生产里的风险，往往藏在工具顺序、边界问题、知识冲突和人工接管失败里。
这篇可以和 影响面评估、灰度发布 互相补链。变更前先跑评测，变更后再灰度观察，专题链路会更完整。
评测工程化补的是行业趋势
资讯稿今天看 OpenAI Evals、LangSmith Evaluation 和 Google ADK Evaluation。它们共同说明一件事：Agent 评测不再只是看最终回答，而是要看数据集、轨迹、评分器和实验结果。
这篇也能接回昨天的 Agent 身份管理。身份解决谁在行动，评测解决行动质量是否稳定，两者都是生产化基础设施。
失败样本库补的是复盘资产
OpenClaw 今天写失败样本库，是为了把事故、接管和回滚从一次性处理变成长期资产。只要样本能沉淀，旧问题就有机会变成新版本上线前的拦路题。
它和 回滚预案、审计日志 很适合连起来。日志提供现场，回滚提供处理过程，样本库提供后续复用。
总结
今天的运营判断是：Agent 生产专题开始沉淀样本。知识库保鲜让资料更可靠，评测集让变更更可控，失败样本库让事故不白发生。专题继续往生产闭环方向走。
