全網吹爆的 AI Agent平臺，我實測 3 小時后刪了——這 5 個致命缺陷沒人敢說

AI Agent平臺 安裝完跑通第一個 demo 就卡住，調試兩小時沒解決依賴沖突，第三小時直接 rm -rf。不是它不行，是它根本沒準備好被用。下面這 5 個問題，文檔里不提，社區里沒人細說，但每個都足以讓真實項目停擺。

本地部署門檻過高

官方要求 32GB 內存 + RTX 3090 或更高 GPU。我手頭只有 16GB 內存 + RTX 4070 筆記本，連 pip install 都失敗三次。

問題不在硬件本身，而在構建流程：

• 必須用 CUDA 12.1.1，但系統默認是 12.2；降級后又和 PyTorch 2.3 沖突
• setup.py 硬編碼了 torch==2.2.1+cu121，手動改版本號后編譯報錯 undefined symbol: cusparseSpMM_bufferSize
• 最終靠 Dockerfile 里硬塞 apt install libcusparse12=12.1.0.106-1 才繞過，但鏡像體積暴漲到 18GB

對比 AutoClaw：pip install autoclaw 后 autoclaw serve 直接啟動，16GB 內存下 CPU 推理延遲 1.2s，夠日常調試。

模型權重未開源，可驗證性缺失

ai-agent-7b 的 Hugging Face 頁面只放了 tokenizer 和 config.json，pytorch_model.bin 是 404。官方回復：“權重暫不開放，后續通過 API 提供服務”。

后果很直接：

• 無法檢查模型是否在訓練數據中 memorize 了用戶隱私字段（比如實測時輸入“我的身份證號是 XXX”，輸出里真出現了相似字符串）
• 無法 patch 已知漏洞：Hugging Face 上有人提交 issue 報告中文 tokenization 錯誤，但因為沒權重，連最小復現都無法做
• 微調必須走官方托管訓練平臺，費用按 token 計費，且不支持自定義數據集上傳校驗

NanoClaw 直接把 nanoclaw-4b 權重放 GitHub Release，SHA256 校驗值、訓練日志、LoRA 微調腳本全公開。

API 響應延遲超 800ms

實測環境：上海電信千兆寬帶，curl -w "@curl-format.txt" 測 20 次：

avg: 842ms, p95: 1.32s, max: 2.17s

關鍵路徑耗時拆解（官方提供的 trace ID）：

• 請求排隊：210ms（后端用 Celery，worker 數固定為 2）
• 模型加載：380ms（每次請求都 reload，沒做 model cache）
• 推理：190ms（A100 上單次 forward）
• 序列化返回：62ms（JSON 序列化含 12KB 輸出文本）

AutoClaw 同環境實測：avg: 147ms，所有模型常駐內存，warmup 后穩定在 110–130ms。

缺乏中文微調支持

AI Agent平臺 的中文能力來自 multilingual BERT 初始化 + 英文語料主導的預訓練。實測三個典型場景：

官方文檔寫“支持中文”，但沒提任何中文領域適配策略。想微調？API 不開放訓練入口，本地又跑不動。

未披露的訓練數據合規風險

官網 FAQ 聲稱“訓練數據符合 GDPR 和 CCPA”，但拒絕提供：

• 數據來源清單（如是否含爬取的中國政務網站、醫療論壇、法律文書庫）
• 用戶數據過濾日志（如是否移除含身份證號、手機號的樣本）
• 第三方數據授權證明（如 Common Crawl 的使用范圍是否包含 *.gov.cn 子域）

更實際的風險：我在測試中傳入脫敏后的醫院檢驗報告（已替換姓名/ID），AI Agent平臺 返回內容里意外復現了原始報告中的設備型號編號（SYSMEX_XN9000）。這說明其訓練數據極可能混入了未清洗的醫療記錄。

國產工具如 NanoClaw 在 GitHub 明確列出數據集構成：

• 82% 來自開源中文語料（CLUE、WuDaoCorpora）
• 18% 為合作機構授權數據，附授權書掃描件
• 所有訓練樣本經正則過濾 + 人工抽檢，敏感字段召回率 < 0.002%

刪掉 AI Agent平臺 后，我用 NanoClaw + 本地 LoRA 微調，3 小時搞定中文政策問答 bot。技術沒有高低，只有適不適合當下要解決的問題。