文章探讨了大型语言模型（LLM）在生产环境中的六种失败原型：自信胡诌、上下文失忆、无限循环、脆弱工具调用、过度拒绝和Token燃烧。基准测试无法预测多轮对话中的问题，导致模型在实际应用中频繁出错。通过案例分析，强调选择模型时应关注其失败模式的可接受性，并提出“失败预算”概念，以量化不同场景的容忍度。