企业官网建设流程全解析

1. 从“服范-九添菜菜”到可落地的Agent项目：这个标题到底在讲什么

先别被名字劝退——我最初看到“服范-九添菜菜大模型Agent智能体开发实战”这个标题时，第一反应是这八成又是某个内部项目代号，或者团队用昵称命名的实验项目。等你真正把标题拆开看，会发现它其实是一个很典型的“大模型+Agent智能体”从零到一的实战案例：用一套可复用的框架，把大模型从“只会聊天”变成“能干活、会调用工具、记忆上下文、自动完成任务”的智能体。

我接触过不少类似的项目，名字五花八门，但内核高度一致：都是围绕Agent的规划（Planning）、工具调用（Tool Use）、记忆管理（Memory）、多轮对话状态维护（State）这几个核心模块展开的。如果你正在学Agent开发，或者准备把大模型接入自己的业务系统，这个项目标题背后藏着的技术栈和踩坑经验，几乎可以原样复用到你的场景里。

这篇文章我不会给你讲空泛的概念，而是把整个项目的拆解思路、实操过程、常见问题全部摊开来讲。内容包括：Agent整体架构怎么设计、记忆该怎么管理、工具调用怎么落地、推理链路怎么调试、部署上线有哪些坑。无论你是刚接触大模型的小白，还是已经写过一些Prompt但没真正做过Agent的开发者，都能照着往下走。

先说明一点：由于原始标题只给出了项目代号和方向，下文涉及的具体技术选型、参数配置、架构设计，是基于一名从业者在这个场景下最常用的主流方案做的合理补充，不代表唯一答案。但它能帮你少走至少一半的弯路，这一点我很有把握。

2. Agent智能体开发的核心拆解：别把“大模型”和“Agent”混为一谈

2.1 大模型是大脑，Agent是完整的人

很多人刚接触这个概念时，会误以为“接入了大模型API，就等于做了一个Agent”。这是个非常常见的误区。打个比方：大模型本身像一个知识渊博但坐在办公室里不出门的专家，你问他问题，他能回答，但他不会主动去查资料、不会翻文件柜、不会打电话确认信息；而Agent则是给这位专家配了秘书、配了电脑、配了行动权限，让他能真正“把事情办了”。

具体到技术层面，一个完整的Agent至少要具备以下能力：

• 任务拆解：把用户的一句话目标，自动分解成多个可执行的子任务。
• 工具选择与调用：知道在什么场景下调用什么外部工具（比如搜索、数据库查询、API请求）。
• 记忆管理：能记住用户说过的话、之前的结果、长期偏好，而不是每次对话都“失忆”。
• 结果校验：对工具返回的结果做判断，如果不符合预期，能重新规划或换一种方式再试。
• 多轮上下文维护：在复杂对话中，保持话题连贯，不被中间插入的新信息带偏。

从这个角度来看，“服范-九添菜菜”这类项目，本质上是在做这样一个“人形化”的封装。大模型只负责其中的“思考”部分，其他能力需要靠开发者在工程层面补齐。

2.2 为什么说Agent是当前大模型落地的最佳形态之一

现在市面上的大模型很多——GPT系列、Claude、文心一言、通义千问、Qwen系列、DeepSeek、Kimi等等，各有各的优势。但不管选哪一个，如果你只是把API接进来做一个问答机器人，那跟搜索引擎的差别并不大，商业价值也很有限。Agent的价值就在于，它把大模型的“语言理解能力”和外部系统的“执行能力”打通了。

拿一个真实的例子来说。假设用户说：“帮我查一下最近三天广州到北京的机票，如果是周五下午的航班，我就订一张，预算在800以内。”如果你只调用大模型，它只能给你一段“建议你上携程查看”的敷衍回答。但如果你做了一个Agent，它可以：

1. 调用航班查询工具，获取近三天广州到北京的航班列表；
2. 筛选出周五下午出发的航班；
3. 比较价格，筛出800以内的选项；
4. 调用预订接口，完成下单；
5. 最后把订单信息用自然语言反馈给用户。

整个过程涉及多个工具调用、条件判断、数据筛选，这就是Agent相对普通问答的质的区别。这类能力恰好是企业数字化、自动化、客服智能化等场景最需要的，也是为什么Agent开发的热度在持续上升。

3. Agent智能体的整体架构设计

3.1 一套通用的Agent拓扑：分层的思路

我在实际项目中常用的Agent架构可以采用经典的四层结构。这套结构不依赖某个特定框架，你用LangChain、MetaGPT、AutoGen、LlamaIndex，或者完全自研，都能套用。

第一层：用户交互层（Interface Layer）这一层负责接收用户输入，可以是命令行、网页对话框、IM机器人接入或者企业微信/钉钉的Webhook。它的核心任务是把用户的原始文本和必要的元数据（如用户ID、会话ID、当前页面上下文）传给下一层。对于“九添菜菜”这类偏实战的项目，前期用Streamlit或FastAPI搭一个简单的Web聊天界面就够了，没必要一上来就做多端适配。

第二层：Agent核心引擎（Agent Core）这是整个系统的大脑。它负责维护对话状态、调用大模型进行推理、决定下一步动作。在这一层里，最关键的组件是一个“决策循环”——先看当前任务完成没有，如果没完成，就判断下一步该调用工具还是该换一种回答策略。这个循环可以自己用While循环实现，也可以用现成框架的AgentExecutor。

第三层：工具层（Tool Layer）这一层是Agent的“手脚”。每一个工具本质上就是一个函数，有明确的输入输出定义。比如“查询天气”、“计算运费”、“检索知识库”、“发送邮件”等等。在设计上，我会给每个工具加上清晰的描述和参数Schema，因为这直接决定了大模型能不能正确理解这个工具是做啥的、该传什么参数。

第四层：记忆与数据层（Memory & Data Layer）这一层负责持久化存储对话历史、用户偏好、任务执行记录等。对于简单的项目，直接用SQLite或JSON文件就能搞定；对于生产级项目，需要引入向量数据库（如Milvus、FAISS、pgvector、Chroma）来做长期记忆的相似度检索。

3.2 单Agent和多Agent怎么选

“服范-九添菜菜”这个项目名里虽然只有一个Agent的指向，但实际开发中你很快就会面临一个问题：到底做一个全能Agent，还是拆成多个专业Agent协作？

我的建议是：新手期和大部分中小型项目，优先做单Agent方案。原因很实在：

• 单Agent的调试链路短，出问题好定位，你只需要盯一个决策循环。
• 多Agent协作需要处理Agent之间的通信协议、任务分派、结果合并、异常传导，复杂度呈指数级上升。
• 大模型的推理成本随上下文长度增长，多Agent之间反复传递完整对话历史，浪费token。

什么时候才需要考虑多Agent？比如你的业务流程明显分为几个专业领域，每个领域需要不同的Prompt、不同的工具集，而且这些步骤是天然串行的。这时候可以按“主管Agent + 专家Agent”的模式拆，主管负责拆任务，专家负责干具体活。但即便如此，我也建议先用单Agent跑通整个流程，再考虑拆。

3.3 框架选型：LangChain、MetaGPT、自研如何取舍

框架选型是所有Agent项目的第一个决策点，这个决策会直接影响后面所有代码的写法。我整理了一个对比表，供你参考：

就我个人的经验，如果你做的是偏业务落地的项目，自研一个轻量级Agent引擎往往是长期最优解。原理无非是把ReAct（Reasoning + Acting）模式的循环自己实现一遍，核心代码量并不大，但可控性和可调试性比套框架好得多。框架更多是用来学习、参考、做Prototype的。

4. 核心细节解析与实操要点

4.1 提示词工程：Agent的“岗位说明书”

很多Agent项目跑起来效果差，80%的原因出在Prompt写得不到位。注意，这里说的Prompt不是简单的一句话，而是整套“系统提示词（System Prompt）”。在“九添菜菜”这个项目里，我建议按照以下结构来组织System Prompt：

• 角色定义：明确Agent的身份，以及它的能力和边界。写得越具体越好，不要让模型自由发挥。
• 任务目标：说明这个Agent总体要达成什么目标，以及面对用户请求时的优先处理顺序。
• 工具使用规范：告诉模型你有哪几个工具、分别在什么情况下使用、参数怎么填。最好给出正反示例。
• 输出格式要求：明确回答的语言风格、是否要附带思考过程、格式是纯文本还是JSON。
• 兜底策略：告诉模型，当它不确定或者工具调用失败时，该怎么回应，不要胡编乱造。

举一个具体示例：

你是一个擅长电商订单处理的智能助理。 你的任务是帮助用户查询订单状态、发起退款申请、修改收货地址。 你可以使用以下工具： 1. query_order(order_id) - 查询订单基本信息 2. apply_refund(order_id, reason) - 发起退款 3. update_address(order_id, new_address) - 修改收货地址 使用规则： - 查询订单前，必须先向用户确认订单号。 - 退款必须给出理由，不能帮用户编造理由。 - 如果工具调用失败，如实告知用户错误原因，不要假装成功。 - 回答保持简洁，使用中文。

这段Prompt看起来简单，但效果远远好过只写一句话“你是电商客服助手”。因为模型需要非常明确的约束才能稳定输出。

4.2 工具调用的落地实现：让大模型学会“用手”

工具调用是Agent区别于普通聊天机器人的关键能力。目前主流有三种实现方式：

方式一：Function Calling（推荐）OpenAI、Qwen等模型原生支持function calling，模型会根据工具定义自动输出一个结构化的调用请求，开发者只需解析并执行。这是目前最稳定的方案，因为模型经过了专门训练，输出规范不容易乱。

代码逻辑大致长这样：

tools = [ { "type": "function", "function": { "name": "query_order", "description": "查询电商订单基本信息", "parameters": { "type": "object", "properties": { "order_id": {"type": "string", "description": "订单号"} }, "required": ["order_id"] } } } ] # 调用大模型时传入 tools，模型返回 tool_calls response = client.chat.completions.create( model="qwen-plus", messages=messages, tools=tools, tool_choice="auto", )

方式二：ReAct模式（适合自研）让模型在文本输出中“思考”（Thought）、“行动”（Action）、“观察”（Observation）循环，每轮输出一个JSON或固定格式的动作指令，开发者在代码里解析这些指令并执行。这种方式灵活，但要求Prompt写得非常严谨，否则模型会输出一堆废话。

方式三：JSON Mode + 自定义协议要求模型输出一个包含“next_action”和“params”字段的JSON，开发者判断这个JSON并对Dashboard不同字段做处理。适合对输出格式有强控制需求的场景。

我踩过一次坑：在最早期做Agent时，我让模型直接输出“调用查询订单工具”，然后靠正则匹配从中抓出订单号，结果模型换了多种句式表达，正则写得跟“开盲盒”似的，崩溃率奇高。后来改成Function Calling，整个调用链路才稳定下来。

4.3 记忆管理：为什么你的Agent总是“聊着聊着就忘记”

记忆管理是Agent开发中一个很容易被忽视、但直接决定用户体感好坏的模块。Agent的记忆可以分为三种：

短期记忆：指当前会话内的对话上下文。一般直接通过messages数组传入大模型，注意长度为模型上下文窗口限制，超出后需要做裁剪或摘要。

长期记忆：跨会话的、关于用户偏好和历史事实的信息。例如用户上次说过“我不吃辣”，下次对话时Agent应该还记得。实现方式是把这些信息以文本或结构化数据形式存入数据库，在对话开始时检索并注入Prompt。

向量记忆：用于存“难以用结构化字段表达的语义信息”。比如用户对某个问题态度的变化、项目里不同文档之间的关联。做法是切块后用Embedding模型向量化，存进向量数据库，每次对话前根据用户问题做相似度检索。

在实际开发中，我用过一个很实用的策略：双轨记忆。一边存结构化字段（用户ID、偏好标签、订阅信息），一边存向量化记录（对话摘要、重要事实）。每次新会话开始时，先把结构化字段直接放入System Prompt，再用向量检索把相关的历史对话摘要作为参考信息注入。

4.4 多轮对话状态维护：别让上下文“越聊越乱”

做过客服类Agent的朋友一定遇到过这种情况：用户说“帮我查一下上个订单”——如果Agent不记得“上个订单”指的是哪一个，对话就会卡死。这背后就是对话状态管理的问题。

我习惯的做法是建立一个“会话状态机”，维护以下状态字段：

• current_task：当前正在执行的任务目标
• confirmed_entities：用户已确认的关键信息（订单号、时间、地点）
• pending_question：当前需要用户补充的信息
• tool_results：最近一次工具调用的结果

在每一轮Agent处理逻辑中，先读取状态机，更新状态，再生成回复。具体代码可以用一个简单的Python类来维护：

class SessionState: def __init__(self, session_id): self.session_id = session_id self.current_task = "" self.confirmed_entities = {} self.pending_question = "" self.tool_results = [] def update(self, **kwargs): self.__dict__.update(kwargs)

这样写有一个好处：你随时可以把状态机序列化成JSON记录到日志里，出问题后重放一遍，就能看到整个对话的“心路历程”，排查效率提升很多。

5. 实操过程与核心环节实现

5.1 环境准备与模型选择

做Agent开发之前，先把环境搭好。我推荐以下组合，既能跑通流程，成本也可控：

• 编程语言：Python 3.10以上，Python的类型提示对工具Schema校验很有帮助。
• 开发框架：FastAPI + Uvicorn做后端接口，Streamlit做前端演示页面。
• 大模型API：前期用国内可稳定调用的API（如通义千问的qwen-plus或DashScope、DeepSeek的API、智谱GLM），成本低、速度快。有条件的再用开源模型本地部署，比如Qwen2.5-7B-Instruct，用Ollama或vLLM跑。
• 工具库：requests（HTTP调用）、pydantic（参数校验）、openai SDK（兼容几乎所有OpenAI协议的接口）。
• 数据库：SQLite起步，后期换PostgreSQL或向量数据库。

模型选择上，我的经验是：Agent推理能力比单轮回答质量更重要。一个7B或14B的模型，单轮回答可能听上去也可以，但到了复杂Agent任务中就容易“糊涂”，忘记调用工具、传错参数、输出格式不稳定。如果你的Agent要做复杂推理，预算允许的情况下尽量选能力更强的模型。

5.2 一步一步搭出一个最小可用Agent

下面这个例子以“九添菜菜”风格项目为背景，我们做一个“帮用户查天气并推荐穿搭”的Agent。它会调用一个天气API和一个简单的穿搭推荐工具。

第一步：定义工具函数

def get_weather(city: str, date: str) -> dict: # 这里是模拟数据，实际项目对接真实天气API data = { "city": city, "date": date, "temperature": random.randint(5, 30), "condition": random.choice(["晴", "多云", "小雨", "雪"]), } return data def recommend_outfit(temperature: int, condition: str) -> str: if temperature < 0: return "建议穿羽绒服、厚毛衣、围巾和手套。" elif temperature < 10: return "建议穿大衣、针织衫。" elif temperature < 20: return "建议穿外套、长袖T恤。" else: return "建议穿短袖或薄衬衫。"

第二步：定义工具Schema

tools = [ { "type": "function", "function": { "name": "get_weather", "description": "获取指定城市在指定日期的天气情况", "parameters": { "type": "object", "properties": { "city": {"type": "string", "description": "城市名，如北京、上海"}, "date": {"type": "string", "description": "日期，格式YYYY-MM-DD"} }, "required": ["city", "date"] } } }, { "type": "function", "function": { "name": "recommend_outfit", "description": "根据温度和天气状况推荐穿搭", "parameters": { "type": "object", "properties": { "temperature": {"type": "integer", "description": "温度（摄氏度）"}, "condition": {"type": "string", "description": "天气状况"} }, "required": ["temperature", "condition"] } } } ]

第三步：实现Agent核心循环

def run_agent(user_input: str, messages: list): # 1. 把用户输入追加到消息列表 messages.append({"role": "user", "content": user_input}) # 2. 调用大模型 response = client.chat.completions.create( model=MODEL_NAME, messages=messages, tools=tools, tool_choice="auto", ) # 3. 解析返回结果 assistant_message = response.choices[0].message messages.append(assistant_message) # 4. 处理工具调用 if assistant_message.tool_calls: for tool_call in assistant_message.tool_calls: func_name = tool_call.function.name args = json.loads(tool_call.function.arguments) if func_name == "get_weather": result = get_weather(**args) elif func_name == "recommend_outfit": result = recommend_outfit(**args) # 把工具结果放回消息列表 messages.append({ "role": "tool", "tool_call_id": tool_call.id, "content": json.dumps(result, ensure_ascii=False), }) # 5. 再调用一次模型，让它根据工具结果组织最终回答 final_response = client.chat.completions.create( model=MODEL_NAME, messages=messages, tools=tools, tool_choice="auto", ) return final_response.choices[0].message.content else: # 模型直接回答了，没有调用工具 return assistant_message.content

这段代码虽然粗糙，却是绝大多数Agent框架内部逻辑的“最小共核”。你只要理解了这个循环——模型先思考要不要调工具、调完工具再把结果喂回去、最终组织回答——那么无论用什么框架，底层逻辑都是相通的。

5.3 参数配置：温度、TopP、最大Token怎么调

Agent开发里有几个关键参数，直接影响执行稳定性。我总结了一套经验值：

尤其是temperature——很多新手习惯保留默认值0.7或1.0，结果模型在调用工具时经常“自由发挥”，生成一些不存在的参数名。把temperature调到0.1~0.2之后，稳定性能上一个台阶。这是我实测下来最立竿见影的一个配置。

5.4 Agent执行链路加日志：把“黑盒”变成“白盒”

Debug Agent最痛苦的一件事：模型到底为什么这么回复？为了排查这个问题，我会给整个执行链路加上结构化的日志记录，记录每一步的输入输出。

import logging logger = logging.getLogger("agent") logger.setLevel(logging.INFO) def log_step(step_name, data): logger.info(json.dumps({ "step": step_name, "data": data }, ensure_ascii=False))

在每个关键节点调用log_step，比如：

• 用户输入了什么；
• 模型第一次返回了什么（是直接回答还是工具调用）；
• 工具调用的参数是什么；
• 工具返回什么结果；
• 模型最终回答是什么。

有了这些日志，你就能像“回看监控录像”一样分析Agent的每次行为。尤其是当用户反馈“它怎么突然乱说”的时候，直接拉日志，基本能定位到是哪一步出了问题。

6. 常见问题与排查技巧实录

6.1 模型一直不调用工具，怎么办

这是新手最常遇到的现象：你明明把工具定义传给了模型，但它就是不用，只给文字回答。排查顺序如下：

1. 检查工具描述是否足够清晰。大模型靠描述判断何时调用工具。如果描述写得太泛，比如“获取天气信息”，模型会犹豫；改成“获取指定城市指定日期的天气情况。当用户询问天气时，必须使用该工具”，效果会好很多。
2. 检查模型是否支持Function Calling。不是所有模型都支持，有些开源模型需要你在Prompt里手把手教它输出JSON格式的工具调用。
3. 检查参数Schema是否合法。有些模型对类型定义很敏感，属性名拼错、类型写错都会导致模型困惑。
4. 降低temperature。温度高了模型容易“想太多”，宁可少输出也不调工具。

我最常用的一招：在System Prompt里直接写一句“当用户的问题可以被工具解决时，你必须调用工具，不要自行回答”。对大多数模型都有奇效。

6.2 工具返回结果后，模型还是给出错误答案

这种情况比“不调用工具”更隐蔽。模型确实调了工具，但把工具结果解读错了。常见原因：

• 工具返回的数据结构太复杂，模型没理解字段含义。解决方法：在工具返回结果里增加一个人类可读的summary字段，比如“天气晴朗，温度25度”，模型直接基于这段话来组织回答。
• 模型在多轮对话中遗忘了先前信息。导致这个的根源往往是上下文被截断。解决方法：对关键信息做摘要，而不是原样全量保留。
• 模型编造了工具没有返回的数据。这属于幻觉问题。解决方法是给系统提示词加上严令：“只能基于工具返回的真实数据回答，如果数据不足，明确告知用户无法回答。”

6.3 上下文越来越长，token消耗失控

Agent项目跑一段时间后，你会发现对话历史越来越多，每个请求都把所有历史传给模型，token费用蹭蹭上涨。这里有三个降本思路：

1. 滑动窗口：只保留最近N轮对话，更早的对话压缩成摘要。
2. 摘要化：每过几轮，用模型对前面的对话做一次压缩摘要，替换原始内容。
3. 仅保留关键信息：状态机里的confirmed_entities其实已经涵盖了很多必要信息，对话历史里的重复询问可以删掉。

我有一次做客服Agent，原本每轮对话要带上3万token的历史记录，优化成“结构化状态 + 滑动窗口”之后，直接降到2000，成本和响应速度都改善了一大截。

6.4 工具调用报错或者超时怎么办

Agent的稳定性很大程度取决于工具调用的健壮性。你能想到的异常，基本上都要做兜底：

我曾经遇到过一个情况：模型连续5次调用同一个查询工具，参数完全一样，导致接口被打爆。后来我在工具层加了一个“相同参数静默3秒内不重复请求”的缓存机制，问题直接消失。

6.5 如何评估一个Agent好不好

没有评估标准，Agent开发就是“盲人摸象”。我的做法是建立一组测试用例集（Golden Set），包含至少20个典型问题场景，每次修改Prompt或逻辑后，全量跑一遍回归测试，看通过率变化。

测试用例可以按维度分类：

• 基础问答型（用户随便问一句，应该正常回复）
• 工具调用型（用户明确要求查数据、下单、检索）
• 信息缺失型（用户没说清楚参数，Agent应该主动追问）
• 边界情况型（用户请求超出能力范围，Agent应该礼貌拒绝）
• 多轮状态保持型（用户在中途切换话题，Agent应该不丢前文）

我用一个简单的脚本跑这些用例，记录每个用例是否通过、失败原因是什么。有了这套回归机制，你再调Prompt就有底气了，不会出现“调好了一个问题，带崩了其他问题”的尴尬。

7. 一些使用大模型和Agent的生产级经验

7.1 优先选稳定API，开源模型做备胎

很多人一提到“大模型”就想着本地部署开源模型，尤其是看到有RX6750GRE这类显卡跑训练的文章，手痒就想试。本地部署和学习训练很酷，但做Agent产品的话，我建议先把云端API的方案跑通，再考虑私有化部署。原因有两个：

• Agent是非常看重稳定性的场景，API的SLA、并发能力和冷却机制都比本地部署成熟得多。
• 本地部署一个7B模型容易，但跑Agent任务时，开源小模型的工具调用格式不稳定，推理能力也有限，实际效果会让你怀疑人生。

如果你确实需要离线环境，我推荐先试Ollama加Qwen2.5-7B-Instruct，先把推理链路跑通，再谈其他。

7.2 关于Prompt上下文工程的进阶玩法

除了工具调用和状态管理，上下文工程（Context Engineering）是目前大模型应用领域另一个高价值技能。简单来说，就是“你怎么组织喂给模型的信息”。我在Agent里常用以下几种技巧：

• 动态信息注入：根据用户ID从数据库提取相关信息，拼进System Prompt，让Agent“看起来”记得用户。
• 检索增强：针对知识型任务，先用向量检索找相关资料，再拼进上下文。
• 分块摘要：超长文档切成多个块，每块生成摘要，再组合使用。

这些技巧不是为了炫技，而是解决一个实际问题：模型上下文窗口终归有限，你没有更多空间，就只能更聪明地利用它。

7.3 “服范-九添菜菜”这类项目的扩展方向

如果你已经跑通了一个基础Agent，后续可以扩展的方向非常多：

• 把Agent接入企业微信群或钉钉机器人，做成真正的业务助手。
• 给Agent增加语音入口，集成ASR/TTS，做成语音助手。
• 对接数据库或业务系统，让Agent能查订单、查库存、发工单。
• 做成多模态Agent，让它可以看图、识别图片中的信息。

每往前走一步，前一阶段踩过的坑就能复用一次。这也是为什么我说，把一个最小Agent跑通的经验价值，远高于空谈一堆架构概念。

8. 最后的几点实战心得

先说一个我反复强调的观点：不要一上来就套框架，先手写一遍核心循环。很多学员问我，学Agent该不该直接学LangChain，我的回答是“可以学，但先自己写一遍”。手写一遍之后，你对什么该做成抽象模块、什么该直接编码，会有完全不同的理解。等回头再用框架，就不会被框架的抽象层绕晕。

再说一个项目管理的经验：Agent项目的进度估算，要放大到传统开发的1.5倍。因为Agent的不确定性主要来自模型行为的不确定性，同样的Prompt，换个模型版本、换个温度值，结果都可能不同。你排期的时候要留足调参和回归测试的时间。

最后说一点关于成本控制的体会。Agent每执行一个任务，往往要调用大模型两三次甚至更多（一次决策、一次工具结果整理、可能还来一次纠错）。算账的时候不能只算单次tokens成本，要算“每个任务完成需要多少个tokens”。很多项目就是上线后才发现成本失控，再回头优化上下文策略，非常被动。我的建议是，从第一天起就在日志里记录每个任务消耗的token数，做成监控指标，随时掌握成本走势。

跑Agent这条路，说容易也容易，核心代码量不大；说难也难，稳定性和效果调优是长期功夫。遇到问题不要慌，把日志开起来，把状态拆清楚，把Prompt写规范，你会发现，大部分问题都源于这几件事没做踏实。