做了个帮用户算费用的智能体，上线没多久就出洋相——一道稍微复杂点的乘除，它给的结果错了。大模型这东西，语言强，算数是真不行，几位数相乘都能给你算飘。涉及钱、涉及精确数字的场景，千万别让模型"心算"。正确做法是把算的活交给工具。

做过 Agent 的人迟早会遇到这个尴尬：调 Prompt 时按下葫芦浮起瓢——为了修好 A 类问题改了指令，结果 B 类问题悄悄退化了，上线才被用户发现。这本质是个的问题。传统软件改完跑测试套件就知道有没有破坏存量功能，Agent 也该有这么一道门。这篇讲讲我怎么用平台的"效果测评"功能给 Agent 搭回归测试，给同样要对 Agent 质量负责的测试/后端同学参考。

结论先放:想让用户用一句话"画个上半年销量柱状图"就出图,最稳的路子:别让模型直接吐图片,让它生成一段 echarts 的 option 配置 JSON,前端拿去渲染。我这么干之后,出图准、可交互、还能改。下面是实操。

直说结论:如果你的 Agent 线上有大量重复或相似的问题,。我有个客服 Agent,上线第一个月账单出来我差点没绷住,一看日志,30% 的问题都是"营业时间""怎么退款""客服电话"这种翻来覆去的。次次喂模型,纯纯浪费。后来加了两层缓存,token 消耗砍了快一半。这篇讲讲怎么加、坑在哪。

星辰能让我把精力全压在"调好导购话术和推荐逻辑"上，工程的事平台扛，这对外包是刚需。我把客户的商品库整理成知识库，配上"只能推荐知识库里存在的商品，并说明匹配理由"，把瞎编这条路堵死。客户是个做家居的小电商，想要个"导购 Agent"：用户描述需求（预算、风格、尺寸），它推荐合适的商品并说明理由。预算不高、工期一周、多模型对比 + 知识库 + 测评这套组合，正好打在"话术质量"和"不瞎推荐"这两个

很多人第一次看到「说一句中文就生成一个能用的小程序」，第一反应是：这不扯吗，中间那么多代码，一句话怎么可能变出来。我一开始也不信，后来把原理大致捋明白了，写篇大白话讲讲背后发生了什么。不涉及太硬的术语，看完你大概能明白它能干什么、干不了什么。

结论先放前面：AI可以很快搭出扫码核销页面，但“同一张票只能用一次”不能只靠按钮变灰。真正要验收的是状态更新、重复请求和弱网重试。我最近给一场200人工作坊做入场工具，页面半小时就能说明白，防重规则反而磨了两轮。AI生成小程序、二维码核销、防重复提交、幂等设计、零代码小程序。

很多人第一次看到「说一句中文就生成一个能用的小程序」，第一反应是：这不扯吗，中间那么多代码，一句话怎么可能变出来。我一开始也不信，后来把原理大致捋明白了，写篇大白话讲讲背后发生了什么。不涉及太硬的术语，看完你大概能明白它能干什么、干不了什么。

先把结论甩前面:让智能体把人话翻成SQL去查库,最该防的不是它写不对查询,是它在你没盯着的时候,把一句"帮我清理下过期数据"执行成了真的DELETE。下面这几个坑,我都是踩过血才知道要拦在哪一层。起因是上个月,运营那帮人天天来找我跑数。"看看上周华东区退款单多少""把昨天注册没下单的用户拉给我"——一天七八次,我SQL写到手软。后来我花了俩晚上,拿一个零代码就能配智能体的工具,搭了个"查数小助手"

但流式（SSE）是一个字一个字往外推的，用户体验好，可审核就尴尬了——你不可能等全部生成完，那就失去流式的意义了；流式输出做内容安全，最容易栽的坑是：等模型把整段话生成完再审，那前面已经流给用户的字早就看到了，拦了个寂寞。我把审核放进流水线，模型继续往缓冲区生成，审核异步处理已凑齐的窗口，前端推送跟着审核结果走。整套流式审核管线，我是在一个零代码搭智能体、还能直接发布成 API 的平台上配的——缓