我实测塞了60轮，裁完剩11条，token 96，system原地不动。前五期下来，机器人已经像模像样了：50行检索引擎，第2期接上大模型做问答，第3期加了健康监控，第4期装上重试降级熔断，第5期搞定SSE流式输出。听起来简单，真写起来有三个坎：token预算会爆，system提示词不能丢，历史太长得压缩。第一，system提示词永远不动，它是机器人的"人设说明书"，裁掉就跑偏。第二，从最旧的开始

第 7 行和第 14 行，延迟直接飙到 2000ms，错误类型是 TimeoutError，这就是慢请求。你的机器人要是这个状态，用户已经在骂了，而你在第 5 行的时候就已经知道了。三个坑，都是我亲手踩过的。坑一，urllib 不设 timeout，默认等到天荒地老，监控脚本自己先卡死，等于没监控。threading 起假服务，http.server 造抽风接口，urllib 发探测请求，stat

大模型 API 用 DeepSeek，OpenAI 兼容接口，价格便宜，今天这点实验花不了几毛钱。先看最终效果：你问"RAG和微调有什么区别"，机器人先检索出两篇最相关的文档，把它们塞进 prompt，大模型照着文档组织成自然语言回答你。你问"RAG和微调有什么区别"，它能挑出最相关的文档，吐出相似度分数。第三步，调大模型 API。只根据下面提供的参考文档回答问题，文档里没有的信息就直说不知道，不

真正要用的，是 VLA（视觉-语言-动作）大模型这种能泛化的“脑”，但这类模型还处在“演示很惊艳、量产很遥远”的阶段。现在的灵巧手大多只有十几个自由度，抓取成功率在实验室里好看，一到真实货架前，商品形状、重量、摆放角度全是变量，掉链子是常态。iPhone 也不是第一代就封神的，机器人也一样，先解决“有用”，再解决“好用”。商场、景区都是人流密集的地方，几十公斤的机器人在人群里走，万一失控撞到人，谁

去学 RAG，亲手搭一个知识库问答，把召回率从及格线做到好用，你就超过了绝大多数只会调 API 的人。去学部署，量化、推理优化，省下来的每一分钱都是你的议价权。另一样是工程能力，把 RAG 的召回率做上去，把 Agent 的工具调用做稳定，把推理成本打下来。但冷静看，具身现在缺的不是本体，而是"大脑"落地到物理世界的最后一公里。这也是为什么我说，Agent 才是这个时代真正的母题，机器人只是它的一