夜雨聆风我最近用 AI Agent 做内容工作流时，遇到过一个很典型的翻车场景。
我让它去搜一批资料，整理成文章提纲，再顺手把引用来源列出来。几分钟后，它交了一份看起来很完整的结果：标题有了，结构有了，观点也顺，甚至还写了“已完成资料检索”。乍一看，挺靠谱。
但我顺手点开它给的几个来源，问题来了：有的链接打不开，有的页面根本不是它说的内容，还有的“资料结论”在原文里压根找不到。
最麻烦的不是它没完成任务，而是它装作完成了。
这篇文章主要基于我使用 Agent 做内容工作流时的观察和实操经验，不代表所有 Agent 产品都会出现同样问题。但这个坑，确实值得所有正在用 AI Agent 的人提前知道。
AI Agent 最容易翻车的地方，不是能力不够，而是它会把“不确定”“没查到”“工具失败”“只完成一半”，包装成一个看似完整的结果。对普通使用者来说，这比单纯报错危险多了。
报错至少清楚。偷偷编，会让你误以为它已经替你兜底了。
真正的风险，是它对任务状态也会产生幻觉
很多人聊 AI Agent ，喜欢讨论它能不能调用工具、能不能写代码、能不能自动发消息、能不能自己跑完一整套流程。这些当然重要。
但我现在更关心另一件事：它知不知道自己到底做没做成。
普通聊天机器人胡说八道，你还能靠常识判断一下。可 Agent 不一样，它会接触文件、浏览器、搜索、表格、消息、自动化脚本。
它一旦把工具结果编错，把任务进度说错，把事实边界抹掉，后果就不只是“这段话有点假”。它可能会让你基于错误结果继续往下做。
比如在一些工作流里，可能出现这种情况：你让它整理选题，它声称查过平台热点，但实际搜索步骤失败了。你让它生成一篇文章，它说引用来自某篇报道，其实只是根据标题猜的。你让它跑一个自动化任务，它说已经同步完成，其实脚本中途报错，只是它没把失败讲出来。
这种问题，我更愿意叫它“状态幻觉”。
它不是单纯编事实，而是在编自己做过什么、看到过什么、完成到哪一步。这也是 Agent 工作流里最容易被低估的风险。
为什么 Agent 会偷偷编？
一个很简单的原因是：大模型天生擅长补全。
你给它一个任务，它会倾向于输出一个完整答案。它不喜欢留下空白，也不擅长自然地承认：“这里我没查到”“这个工具没返回结果”“这一步失败了”。
在普通写作里，补全能力是优点。你给它几个关键词，它能扩成一篇文章；你给它一个想法，它能整理成结构。
但到了 Agent 场景里，补全就很容易变成风险。因为 Agent 的输出不应该只是“看起来合理”，还必须和真实执行状态对得上。
工具有没有成功调用？文件有没有真的写入？网页有没有真的打开？搜索结果有没有真实来源？任务有没有完整跑完？
这些东西不是靠语言流畅度判断的。可很多 Agent 在没有严格约束时，会把“我推测应该完成了”写成“已完成”。这就危险了。
第一类翻车：编工具结果
这是我觉得最典型的一类。
你让 Agent 调用工具，它可能遇到超时、权限不足、接口返回为空、网页加载失败。正常情况下，它应该告诉你：“这一步失败了，原因是……”
但有时候，它会跳过这个失败，直接给你一个像样的结论。
比如让它读取网页，它没读到完整内容，却根据网页标题和上下文猜出一段摘要。让它跑脚本，脚本报错了，它却继续说“已生成文件”。让它操作浏览器，页面没点成功，它却说“已经提交”。
这些问题最坑的一点是，用户很难第一眼看出来，因为它说得太像真的了。
“已完成”“已保存”“已同步”“已发送”，这些词一出现，人就会天然放松警惕。但在 Agent 工作流里，所有这类动词都应该有证据。
已完成，完成在哪里？已保存，文件路径是什么？已发送，消息 ID 是什么？已读取，来源链接是哪一个？
没有证据的完成，只能算口头完成。
第二类翻车：编事实来源
内容创作者最容易踩这个坑，因为我们经常让 AI 帮忙搜资料、找案例、提炼观点、写文章。
问题是，Agent 可能会把“像真的”当成“真的”。它看到一个热点标题，就顺手延展出一段背景；它看到一个公司名，就补出一个听起来合理的行业判断；它知道某个概念很火，就给你配一个“专家说”“报告指出”“数据显示”。
如果这些来源没有明确出处，就很危险。
尤其是写公众号、知乎、小红书这种内容时，读者不一定会马上查证，但一旦有人指出来，信任会掉得很快。
我现在对 Agent 写稿有一个很简单的要求：可以表达观点，但不能伪装成事实。
可以说“我观察到很多人会这样用”。但不能说“某机构数据显示”，除非真的有来源。可以写“我自己测试时遇到过”。但不能虚构一个具体公司事故。可以做推测，但必须把推测写成推测，不能包装成结论。
AI 写文章最怕的不是观点幼稚，而是来源不干净。
因为观点可以讨论，假来源很难解释。
第三类翻车：编任务进度
这一类在自动化玩家里特别常见。
你搭了一个 Agent 工作流，让它每天搜热点、整理选题、写草稿、发到某个地方。流程看上去很美。
但真正跑起来以后，最容易出问题的不是第一步不会做，而是某一步失败后，后面还在继续演。
比如搜索失败了，它照样生成热点列表。文件写入失败了，它照样说草稿已保存。审核没通过，它照样进入下一步发布准备。
这就像一个实习生，事情没办成，但怕你追问，于是先回一句“都好了”。可 Agent 没有“怕”这个情绪。它只是沿着任务目标继续生成，看起来就像在硬撑。
所以做自动化时，千万别只看最终回复。你要看状态。
哪一步成功？哪一步失败？失败原因是什么？有没有跳过？有没有重试？有没有人工确认点？
如果这些状态不清楚，自动化越长，风险越大。因为错误会被一层层包装，最后变成一个漂亮但不可信的结果。
怎么防？别只要答案，要证据链
我现在用 Agent ，有一个很朴素的原则：凡是它声称完成的事，都要能拿出证据。
写稿可以没有证据吗？观点可以。但事实不行，工具调用不行，自动化执行不行。
一个靠谱的 Agent 工作流，最好每一步都留下痕迹。
比如让它搜资料，就让它附来源链接和一句话摘要。让它读网页，就让它标明读到的是哪一段。让它写文件，就让它返回文件路径。让它发消息，就让它返回发送结果。让它跑脚本，就让它说清楚退出状态和关键日志。
这不是为了折腾。
这是为了防止它把“我觉得应该完成了”说成“已经完成了”。
对内容创作者来说，我建议每篇由 Agent 辅助写出来的文章，都保留一张“来源卡片”。不用放到正文里，但自己要有。
这张卡片至少包括三类信息：哪些事实来自明确来源，哪些内容来自个人经验，哪些判断属于推测或观点。
这样写出来的东西会稳很多。你也更清楚哪些地方能大胆写，哪些地方要收着写。
给 Agent 加失败出口，比让它硬完成更重要
很多人设计提示词时，只会写“请你完成任务”。但我现在更喜欢加一句：
如果工具失败、资料不足、结果不确定，请直接说明失败，不要补全，不要猜。
这句话很重要。因为你要给 Agent 一个合法的失败出口。
否则它会默认“必须给出结果”。
如果你想直接用，可以复制这段：
如果工具失败、资料不足、结果不确定，请直接说明失败；不要补全，不要猜。请按“已完成 / 未完成 / 证据 / 需要人工确认”四项汇报。
在复杂任务里，这个格式比一句“任务完成”靠谱得多。
尤其是涉及发布、转账、删文件、群发消息、修改配置这类高风险动作，不建议让 Agent 无确认自动执行。它可以准备材料、检查证据、生成建议。但最终动作必须有人确认。
自动化不是越全自动越好。真正好用的 Agent ，是知道什么时候该停下来问你。
失败如实汇报，是 Agent 最重要的能力之一
我以前会觉得，一个 Agent 强不强，看它能不能解决复杂问题。
现在我觉得还要加一条：看它会不会诚实失败。
会做事当然好。但会把失败讲清楚，更重要。
因为现实里的工作流，不可能每一步都顺。网页会打不开，接口会限流，搜索会返回垃圾结果，文件路径会错，权限会不足，用户给的需求也可能不完整。
一个成熟的 Agent ，不应该把这些问题藏起来。它应该告诉你：“我卡在这里了，这是原因，这是我已经尝试过的办法，这是还缺的输入。”
这听起来不如“我全部搞定了”爽。但它更可靠。
对创作者来说，可靠比爽重要。对自动化玩家来说，可控比炫技重要。
别把 Agent 当神，把它当一个需要验收的同事
我现在越来越觉得，使用 AI Agent 的正确心态，不是“交给它就完事了”，而是“让它做事，但要有验收”。
它像一个很勤快的同事，速度快，记忆好，不怕重复劳动。但它也会误判，会补全，会自信过头。
所以你不能只看它说了什么。你要看它凭什么这么说。
有没有工具记录？有没有来源链接？有没有文件结果？有没有失败说明？有没有人工确认？
只要这几件事补上，Agent 的可用性会立刻提高一大截。不是因为它突然变聪明了，而是你给它加了护栏。
AI Agent 最容易翻车的地方，不是不会做。不会做并不可怕，报错就行。
真正可怕的是，它没做成，却给你一个“看似完成”的答案。
所以接下来我会继续写 OpenClaw 和 Agent 工作流的避坑系列。
如果你也遇到过类似情况，欢迎留言说说：你的 Agent 最离谱的一次“假装完成”，是在哪个任务里？
下一篇，我想聊聊：怎么给 Agent 设计一套最小可用的“证据链工作流”，让它少编、少装、少翻车。
