生产环境LLM Agent运行时静默故障的纵向分类研究

论文对自2026年3月持续生产的个人助手LLM Agent运行时进行8周纵向研究，系统包含约40个定时任务、8个LLM供应商、4286个单元测试和827个治理检查。记录22起事故，识别出至少28次“静默故障”实例，归纳为5类机制导向分类（A环境平台异常、B设计假设不匹配、C错误吞噬稀释、D链式幻觉与捏造、E操作遗漏与取证盲点）。D类为LLM特有且最危险——系统不仅不报告错误，还将其转化为流畅可信的叙事呈现给用户，作者称为“fail-plausible”。关键发现：约70%静默故障由人类用户视角观察发现而非测试或审计捕获；事故延迟从13小时到60天不等，与故障机制相关而非代码复杂度。