先说结论：想让一个 Agent 答出"今天""最新""最近一周"这类问题，光靠大模型自己是不行的，必须挂一个能联网搜索的工具，让模型在回答前先去查一遍。下面是我自己跑通的步骤，照着配基本不会翻车。我做的是一个内部用的资讯问答小助手。一开始我图省事，直接拿模型裸答，结果用户一问"某框架最新版本号是多少"，模型张口就来一个早就过时的数字，还答得特别自信。这种幻觉在实时类问题上特别要命。后来我给它补了联

这个才是真省token的。设个阈值,比如历史超过3000token,就把较早那部分丢给模型让它总结成一小段,新的对话接着这段摘要往下走。{"role": "system", "content": "把下面对话压成不超过150字的事实摘要,只保留待办、用户身份、已确认信息,删寒暄。"},])return {"role": "system", "content": f"[早前对话摘要]{summary

临界点也很清楚:当你发现自己开始跟低代码平台"斗智斗勇",为了绕一个它不支持的逻辑而拼三四个节点的时候,就该切回 IDE 了。下面这张表是我自己踩下来的判断,不是抄文档的:维度零代码搭写代码搭从想法到能用半天到一天三五天起步改一版的成本拖拖配配,几分钟改代码+测+发,半天没了接私有知识库(RAG)上传文档配一下就行自己搞 embedding、向量库、召回复杂分支/外部系统一绕就别扭想怎么写怎么写谁

临界点也很清楚:当你发现自己开始跟低代码平台"斗智斗勇",为了绕一个它不支持的逻辑而拼三四个节点的时候,就该切回 IDE 了。下面这张表是我自己踩下来的判断,不是抄文档的:维度零代码搭写代码搭从想法到能用半天到一天三五天起步改一版的成本拖拖配配,几分钟改代码+测+发,半天没了接私有知识库(RAG)上传文档配一下就行自己搞 embedding、向量库、召回复杂分支/外部系统一绕就别扭想怎么写怎么写谁

会话变量、历史摘要、多轮编排这些，我是在一个零代码就能搭智能体的平台上拖出来的，可视化配节点，省了写一堆胶水代码的事。用户开头报了订单号、说自己是华南区的，聊到第五六轮问"那我这单啥时候发货"，Agent反手来一句"请提供您的订单号"。超过一定轮数，把早期对话让模型自己总结成一段话（"用户是华南区VIP，咨询订单X发货时间，已确认地址无误"），新对话接在摘要后面。我加了个轻量的"会话变量"，第一次

我搭好一个智能体之后，总得让别的系统能用上它，这就涉及发布。现在主流两条路：发成传统的 REST API，或者发成 MCP（一种让AI客户端标准化调用工具的协议）。两种我都发过，集成体验差挺多，这篇做个横向对比，给要做集成的人参考。