本文探讨了Agent系统在工具使用规范上的两个核心问题：行为边界与工具可达性，提出通过Agent Rules注入和工具权限管控来解决。当前Skill SOP机制存在三个盲区：跨场景通用约束难复用、规则运维成本高、工具暴露缺乏硬拦截。解决方案包括建立分层规则系统（全局/场景规则）、在dispatch和MCP层添加权限校验，形成P0白名单+dispatch拦截+MCP过滤的三层防御体系。该设计将运营编

本文探讨了Agent系统在工具使用规范上的两个核心问题：行为边界与工具可达性，提出通过Agent Rules注入和工具权限管控来解决。当前Skill SOP机制存在三个盲区：跨场景通用约束难复用、规则运维成本高、工具暴露缺乏硬拦截。解决方案包括建立分层规则系统（全局/场景规则）、在dispatch和MCP层添加权限校验，形成P0白名单+dispatch拦截+MCP过滤的三层防御体系。该设计将运营编

本文讨论了 Agent 间协作的横向通信问题，提出了 A2A（Agent-to-Agent）协议作为解决方案。A2A 通过标准化接口实现 Agent 能力的自动发现和调用，包含异步任务、Webhook、对话共享和健康检查四层设计。关键设计包括：Agent Card 与 MCP 数据同源、异步任务薄壳模式、轮询与 Webhook 并存、对话共享公共存储和多级健康检查。A2A 与 MCP 分工明确，前

本文探讨了Agent系统中长期维护的核心痛点——工具连接层代码易腐化的问题，并提出MCP（Model Context Protocol）解决方案。主要内容包括： 现状分析：当前工具注册需要手动维护多条私有路径，存在认知壁垒和维护成本高的痛点。 MCP标准化方案： 采用JSON-RPC协议统一工具暴露方式 自动注册工具，避免手动映射表 类型注解驱动Schema生成 与主应用共享端口和生命周期 架构优

本文探讨了Agent系统中长期维护的核心痛点——工具连接层代码易腐化的问题，并提出MCP（Model Context Protocol）解决方案。主要内容包括： 现状分析：当前工具注册需要手动维护多条私有路径，存在认知壁垒和维护成本高的痛点。 MCP标准化方案： 采用JSON-RPC协议统一工具暴露方式 自动注册工具，避免手动映射表 类型注解驱动Schema生成 与主应用共享端口和生命周期 架构优

文章摘要：本文提出了一种分层拦截的意图识别优化方案，通过P0规则过滤（关键词匹配）、P1语义重排和P2本地小模型确认的三级流水线，将识别延迟从477ms降至25ms（p50），准确率提升至99%。相比纯LLM方案，该设计在降低成本的同时显著提升效率，并指出大部分LLM调用可通过工程手段替代。核心思想是"让模型只处理必要任务"，这一方法论同样适用于RAG等场景的优化。

摘要 模型选型应遵循"刚好够用且最省资源"原则。实验对比了不同规模的Qwen模型在信息提取（要求<500ms）和工具选择（要求<100ms）任务中的表现。结果显示： 信息提取：Qwen3-1.7B和Qwen2.5-3B在GPU上均实现100%值匹配率，但0.5B/1.5B存在编造字段问题。 工具选择：3B模型以96%准确率最优，1.5B达92%，0.5B仅56%-58%。 硬件：GPU加速比达4.

- 第一篇 · 架构全貌- 第二篇 · 意图识别流水线- 第三篇 · RAG 进化- 第四篇 · HNSW 参数消融- 第五篇 · Reranker & BM25 兜底- 第六篇 · 本地模型选型 & SFT 决策树- 第七篇 · A/B 实验框架- 第八篇 · 人在回路 & 内容安全- 第九篇 · 降级矩阵 & Token 限流- 第十篇 · 纠纷协调 & 可观测性- 第十一篇 · Skills

本文探讨了技术架构的价值衡量标准，重点分析了客服Agent系统中的Skill拆分逻辑与GPU成本核算。Skill采用两级拆分：L1（50 tokens内简介）用于构建索引和执行器感知工具，L2（完整流程）按需加载，确保系统扩展性。成本分析显示：共享GPU方案与API调用成本相当但延迟更低（25ms vs 477ms），自购GPU比高端API节省64%。本地部署的核心优势在于延迟可控、零API依赖和

本文探讨了电商客服Agent系统的架构设计，指出通用RAG问答方案在客服场景存在四大缺陷：意图混合、信息源异构、延迟约束和安全边界。针对这些问题，提出了五个关键架构决策：1）拆分为三个专用执行器（ReAct Agent、GeneralAgent Executor、Direct Tool Dispatch）而非单一Agent；2）放弃LangGraph Supervisor，采用规则+语义匹配降低延