Agent 静默失败导致数千美元损失：如何用外部核查机制堵漏

那些数字不是我的。它们来自社区里一位帮人善后的顾问。他还说了一句扎心的话：诊断时间是收不了费的，你自己扛。

这个月有三个帖子，说的是同一类问题：

一个工作流连续 28 次失败，三天后才有人去看。一个评分工作流连续六周把每条线索都打成零分。一个 Agent 跟客户说"我看到您被扣费了"，实际上两次查询都返回了 403——运行状态却是 COMPLETED。

这些没有一条是红色的。这就是全部问题所在。你的错误工作流是在异常时触发的，而这些根本不抛异常。

你现在实际在为什么买单

发现时间：48 小时到 3 周。通常是客户告诉你的。诊断时间：6–15 小时翻执行记录，无法计费。事故本身的损失：$2,500–8,000。

每一次事故。按每年四次算，就是 $10,000–32,000，外加 60 小时没法收钱的工时。

Matrix 拿到运行声称的结果——"邮件已发送"、"记录已更新"——然后去读权威系统来验证是否真的发生了。不是运行自己写的执行日志，而是真正的邮箱。

三种判定：矛盾、确认、不确定。每种判定都附有证据。

三种检查中有两种不需要访问任何外部资源：

声明说调用了工具但实际上从未调用过——没有调用本身就是证据。查询返回了 403，然后运行却陈述了如果查询成功会显示什么。调用完成了，结果是被拒绝。大多数包装器会把这种情况吞掉。

第三种需要一个连接的邮箱：工具被调用了，返回了 200，但记录并不在那里。

为什么"不确定"很重要

如果 Matrix 无法证明这条追踪是完整的，或者某个工具的名字它不认识，它会拒绝判定，而不是把你的正常工作流说成骗子。在紧要关头，一个对自己的不确定性过于乐观的监控没有任何价值。

Gmail 是唯一的外部适配器。它抓不到"调用正确但参数错误"的情况——收件人格式正确但收件人错了，真正发了邮件，Gmail 也认可。而且如果某段文字从未被发送出去，里面包含的虚假声明也没有任何结果可以回头对照。

一行代码粘贴到 Cursor 或 Claude Code，它就会自己完成配置。或者手动调用四次，支持 TypeScript 或 Python。

matrixverify.dev — 免费，已有 20+ 用户，我宁愿它被人用坏也不想被人无视。

乐意拿你的一条执行记录跑一下，告诉你在里面发现了什么，包括没发现什么的情况。