用途：本技能整理如何把 LLM 智能体作为生产基础设施运行，而非停留在演示阶段，重点在编排、护栏、评估以及让能力真正被采用的落地工作。内容提炼自 Duolingo 工程博客，面向正在构建其他产品的读者，每个节点都以关于自身产品的问题收尾。
主要能力与结构： 架构方面，主张把“智能体是什么”（提示、工具、访问权限、输出模式）与“它如何运行”（运行时、模型等）分离：定义放在注册表中，执行放在一个共享平台上，使新增智能体只需数分钟、更换供应商只是一个参数；把每次智能体运行建模为可持久化工作流，每一步都是可重试单元并带独立超时；标准化集成接口，因为成本来自集成构建与运行方式的差异，而非数量。 护栏方面，在平台层约束爆炸半径，强制写入范围与单一可审计身份，因为提示表达的是意图而非权限；每个生产者都需要“清洁工”，即重试上限、过期截止时间和冷却期，否则系统会永远重试自己的失败。 评估方面，对产物而非文字评分，用确定性评分器检查 diff，与智能体自报做一致性校验，模型裁判仅作补充；先手动运行并归类失败，把数周手动运行中的每次失败分类，作为对自身系统的免费结构审计；验证会成为瓶颈，自动化生成会把队列转移到评审环节，需先规划整条链路。 推广方面，分发提示而非分发人，杠杆在于分发机制而非提示本身，表单比代码库更适合作为编写界面；采用会在每个配置步骤流失，每一步设置都会筛掉多数用户，应把能力移入用户已身处的界面。
使用方式：资料给出按场景的起点建议——搭建第一个智能体时先看“分离智能体是什么与如何运行”，再看“把智能体运行建模为可持久化工作流”；考虑自动化现有手动任务时先手动运行并归类失败，再看验证瓶颈；能用但没人用时看采用流失；能用但开始产生混乱时看清洁工与爆炸半径约束。
限制：本技能不拥有做产品决策的训练模型，排序、评估指标设计与生成管线属于 ML-in-production 技能；本技能只负责编排、工具与采用。资料未提供具体安装命令、代码示例、收费或平台支持信息。