系统最危险的状态不是明显崩溃而是“差点能用”语音识别差点准确、知识库差点入库成功、AI生成差点没超时、沙箱差点跑通。每一个“差点”用户都感知到了但监控可能没有。这一轮的工作是把上一轮做完的功能从“差点能用”推到“真的能用”。一、沙箱能跑代码但跑不了文件代码沙箱上线之后用户开始真的用它——然后发现能跑 Python但处理 Excel 会报错生成图表没有输出。Excel 读写需要额外的文件处理库沙箱镜像里没有预装图表生成依赖图形界面但容器环境里没有显示器matplotlib 默认的渲染后端会直接失败。这类问题在本地开发时不会出现修复之后沙箱支持 Excel 和 PPT 文件读写图表渲染切换到无头模式配置固化到部署层不再依赖运行时环境是否恰好正确。同期修了一个更隐蔽的问题沙箱服务的内部调用在某个环境下走了外部代理导致请求超时返回 502——功能逻辑完全正确只是网络路由配置让内部调用绕了一个大圈。二、工具步骤可视化让过程可信智能体运行时用户看到的是最终回答。但在回答出来之前智能体可能调用了五个工具、查了三个知识库、执行了一段代码。这个过程之前是黑盒的用户不知道智能体“做了什么”只知道“给了一个结果”。这轮把工具调用的参数和返回值带进了流式事件前端工具步骤可以展开查看详情同时对敏感字段做了脱敏处理。这个改动不是新增能力而是让已有能力变得可观测。用户能看到过程才能判断结果是不是可信的。三、AI生成超时与飞书语音资源配错了智能体中心新增了 AI 润色和生成能力。上线之后用户反馈“点了没反应”或“报错”。根因是超时配置按普通接口标准设了 30 秒但 AI 生成慢的时候需要一两分钟触发后返回 500用户看到的是一个无法理解的失败。修复分两步超时放宽到 120 秒限制输出长度超时时明确返回 504 而不是 500。飞书语音消息打通转写之后第一个反馈是中文识别不准。根因是默认使用的转写模型太小没有针对中文做特殊处理繁体字输出也没有转简体。把模型升档加了中文语言提示补了繁转简准确率明显提升。这两个问题有一个共同点功能本身没有问题但相关的资源配额和配置假设错了——时间给得不够模型选得太小。这类错误只在真实使用中才会暴露。四、知识库链路的两个状态问题绑定竞态编辑智能体时修改知识库绑定弹窗里的保存和关闭弹窗时主表单的保存会互相覆盖第二次保存拿的是旧状态把第一次的结果覆盖掉了。用户的感知是“改了但没生效”。更糟的是不可操作的绑定项在整体替换逻辑里被一起清掉了用户只改了一个系统把所有都重置了。修复后绑定更新逻辑区分了“用户主动修改的部分”和“只读的部分”。入库雪崩知识库入库是多阶段的异步流程——上传、分析、向量化、入库。分析阶段因网关偶发卡顿触发重试重试又触发了更多重试最终整个文件回滚重跑入库进度归零。同时分析阶段和“可检索”状态耦合在一起分析没完成就不标记为可检索用户看到“未就绪”误以为入库失败。修复方向是限制重试放大的链条同时把分析状态和可检索状态解耦。这一轮没有新的大功能全是“最后一公里”沙箱能处理文件了工具过程能看见了AI生成不会莫名超时了语音识别不会识别成繁体了知识库绑定保存不会悄悄丢了知识库入库不会雪崩了。每一项单独看都不大但加在一起是用户每天真实会碰到的那些卡住的地方。这是第五十六天。《从0到1企业级AI项目迭代日记》记录一个企业级 AI 项目从创意、架构到落地的真实过程。不讲神话只记录进化。如果你也在做企业 AI 落地欢迎留言来聊。或者把这篇转发给一个正在踩同样坑的朋友。