Agent 在 demo 里很稳，直到用户开始用

Plurai Simulation 上线了，免费给每个 AI 工程师。Ilan Kadar 在推文里说得很直接：AI agent 在 demo 里看起来很好，直到真实用户把它们用坏。Plurai 的做法是建一个 agent 自己的世界，让它在用户看到之前失败、学习、被修好。

功能包括：

• 数字孪生：从代码重建真实 agent、工具和环境。
• 模拟用户和任务：用现实工作流把 agent 推到边缘案例。
• 自动评估：检查 agent 实际做了什么，不只是说了什么。
• 验证修复：每个失败附带暴露它的运行和可验证修复。
• 回放：把生产失败转成模拟，再对新版本重放。

它跑在已有的 coding agent 里：Claude Code、OpenAI Codex CLI、GitHub Copilot。免费入口在 simulation.plurai.ai/connect。

值得看的是回放。生产失败变成可重放的测试，比在 demo 里堆场景更接近团队修 bug 的方式。有网友 Farhan 说，回放是他最喜欢的部分，把真实生产失败转成测试再对新版本重跑，正是多数 agent 团队缺的。

但有两个暗礁。有网友 Alano 提醒，模拟环境的状态和权限要接近生产，否则 agent 可能反复通过同一批场景，真实集成已经在底下变了。还有网友 Andrew Rose 贴出 MATH-500 的评分误差：跑出来 76.0%，实际 79.2%，16 个所谓 misses 只是格式问题。数字孪生再完整，评分器错了也会给假安全感。

评论区还有人追问 repo scan 如何决定哪些 endpoint 被 mock，哪些保持 live，尤其单个内部工具同时处理 RAG 读写。这个问题不轻，模拟保真度没法靠一句数字孪生带过。

Plurai Simulation 的价值是让 agent 上线前先在自己的世界里把坑踩完。免费开始，至少值得试一次。