压测 Agent 这事，我一开始拿一句"你好"循环打几千遍，跑出来 QPS 漂亮得很，结果真上线被真实流量打趴了。问题出在样本——，用一句固定问候压，压的是个假场景。后来我改成回放线上日志，压测结果才跟生产对得上。

我们一个主推的 SKU，月销几千，评价区差评零零散散一两百条。老板让我"看看用户都在不满啥"。听着简单，真去翻你就崩溃——一条条点开，物流、质量、客服、和图不符、价格，啥都有，看到第五十条我已经记不清前面在骂啥了，更别说统计哪个问题最集中。人脑干不了这种"大批量、要归类、还要算占比"的活，看着看着就只剩印象流，得出的结论全凭手感。这种最该上工具。

先抛结论：转人工这事，别等用户骂街了才转。我踩过这个坑，赔过钱。去年给一个做家电售后的团队搭客服机器人，上线第一周投诉率不降反升。复盘发现一个典型case：用户问"我这空调装好了为什么不制冷"，机器人吭哧吭哧讲了一堆"请检查遥控器电池、确认模式是否为制热"——人家明明问的制冷，它答制热，然后用户连着发了三条全是感叹号，机器人还在那儿"很高兴为您服务"。到第四条用户打了12315。

说个取舍——加了校验，确实会偶尔出现"上游其实数据没问题，只是格式跟我 schema 约定有点出入，被误拦了"的情况，需要回头放宽规则，有维护成本。这套工具返回值校验，我是在一个零代码、还能把成品发布成 API 的平台上配的——工具节点后面挂一个 schema 校验节点，不过就走重试或兜底分支，逻辑拖出来连一下就成，不用自己写一堆 if-else 防御代码。重试还不过 → 不把脏数据给模型，而是给

成员上传的头像大小差很多，列表滚动有点卡，后来做了压缩。把中文需求写成可操作的小程序：成员申请、资料编辑、按城市筛选、联系方式授权、管理员审核。我验收时用了四个测试账号：普通成员、隐藏联系方式的成员、管理员、已冻结成员。我先给答案：校友通讯录适合用 AI 快速生成，但姓名、公司、手机号一股脑公开，肯定会出问题。我最近帮一个 60 多人的行业校友小组整理通讯录，页面两小时就能看，真正花时间的是四条权

坐席最烦啥？用户跟机器人聊了十几句，一转人工，坐席啥都不知道，得让用户从头再说一遍。用户火大，坐席也累。我们给客服智能体加了个小功能：转人工的瞬间，自动把前面这段对话压成一份"前情提要"，连同对话一起推给坐席。坐席接手时屏幕上就摆着"用户是谁、想干嘛、卡在哪、试过啥"，不用再问一遍。上线后转接环节的体验明显顺了。讲讲怎么做的。

之后我能直接问"这几篇里关于XX方法的对比",它在我灌进去的文献范围内找答案，不会满世界给我编。文献研究最怕它瞎引一个不存在的论文，限定在我自己的库里就治了这病。我自己在读，每周导师扔十几篇论文让我"看看",看不完，看了也记不住。它是帮我导航的，不是帮我背数据的。我专门让它从文献原文里抽"作者自己承认的局限"和"实验没覆盖的情况"。最关键是搭它几乎零门槛，靠那种拖一拖就配好解析和检索的工具，不会编

先把结论摆这儿：别指望模型本身百分百守规矩，——命中风险词就拦，拦了别甩个 500 给用户，换一句得体的话顶上去。下面按 风险 → 怎么过滤 → 取舍 三段讲,都是我自己踩过的。

一等奖5%、二等奖15%、参与奖80%，加起来正好100%，看上去很合理。我给一场260人的公司活动做抽奖H5时，也差点照着写。再看奖品表才发现，一等奖只有2份。按5%随机，理论上可能抽出十几个一等奖，库存根本兜不住。AI生成抽奖H5、抽奖概率算法、奖品库存、幂等请求、零代码活动页面。

先把结论摆这儿:让 AI 智能体连数据库做问答,最稳的防线不在 prompt,在——给它一个只有SELECT权限的只读账号,再叠一层视图和。提示词层面的"请不要删数据"全是心理安慰,真正拦得住DROP TABLE的是 MySQL 那句。下面是我上周踩完坑后的完整做法。