Mirrors：为 AI 智能体构建可回放的预发布环境

Mirrors 是一个面向 AI 智能体的预发布测试平台，核心思路是为智能体运行所需的外部系统构建一套"可运行副本"，再把真实会话重放到该环境中，从而在代码合并或上线前发现回归，而不是让真实用户先撞上 bug。

产品要解决的问题

AI 智能体在生产环境中会调用一系列外部工具与数据接口（订单系统、支付接口、CRM 等）。当智能体代码、提示词或底层模型发生变化时，传统单元测试难以覆盖多步、多工具的复杂链路。Mirrors 把生产环境中的"一次完整会话"作为测试用例：同一个用户的请求，分别在旧版本与新版本智能体上各跑一遍，比对差异。原文给出的示例中，旧版本对一笔订单退款一次（420 美元），新版本却退款两次（840 美元），问题在 staging 阶段就被捕获，不会出现在真实用户面前。

环境如何被构建

Mirrors 不依赖生产流量即可生成测试环境，主要依赖三类输入：trace 导出、智能体代码、工具代码或文档。其内部从这些来源挖掘出 schema、种子数据与工具行为，并打包成可运行的副本环境，包含那些通常拿不到测试实例的内部工具。环境就绪后，每一次 pull request 都会触发自动回放，对历史会话做回归检测。环境运行在虚构数据上，工具与真实系统行为一致，但不会暴露真实客户信息。

集成与生态

平台以原生或近原生方式对接主流智能体框架与模型供应商 SDK，包括：

• LangChain、LangGraph
• OpenAI 与 Anthropic（Claude）SDK
• Cursor、Codex、Windsurf 等编码智能体
• Model Context Protocol（MCP），通过 claude mcp add 一行命令接入

Collector 仅需两行代码即可启用，自动为 Python、TypeScript、Go 注入埋点；其他语言可通过一次手动调用接入 trace。LangGraph 已支持，更多运行器正在添加。Replay 页面会将每一条生产调用与回放环境中的对应调用做 diff，标注一致与偏离的位置，便于在合并前审视风险。

定价与使用方式

免费层每月提供 60 分钟回放额度，超出后按 $0.20 / 回放分钟计费，不限环境数量，并提供 CI 网关与公共 /v1 API，无座位许可与锁定。Enterprise 层面向规模化团队，提供批量折扣、SSO 与角色控制、安全评审与本地化（On-prem / BYOC）部署选项，定价为定制。

整体来看，Mirrors 把传统软件工程中的"回放测试 + staging 环境"思路移植到 AI 智能体场景，填补了智能体上线前缺乏可信预发布验证的空白，对正在搭建生产级智能体应用的工程团队具有一定参考价值。