结果上线第二天就翻车——有个用户打字"退订一下短信营销"，被我那套关键词稳稳判成了"退货申请"，机器人热情地问他要快递单号，人都麻了。"我要退款，顺便问下还没发货为啥扣了我钱"——这句里头退款和物流查询都沾。我的土办法是允许它返回主+次两个标签，主标签走流程，次标签塞进回复末尾补一句"另外您问的扣费问题…意图分类这事，少即是多。前端出身能独立搭完，主要靠那种拖一拖就能配好分类和分支的工具，省了我求

先把结论摆这儿:智能体跑多步任务,千万别让某一步抛个异常就把整条链路带崩。正确姿势是给每一步都想好"它挂了我退到哪",该兜底兜底,该跳过跳过,该换路换路。下面是我自己踩出来的几种失败场景 + 对应的降级打法,直接照着抄。背景交代一句。前阵子我做了个帮运营同学批量处理客诉工单的小助手——读工单、查知识库、生成回复草稿、再打个标签分类,四步串一条链。第一版上线第二天就被一条脏数据搞崩了:某个工单正文里

先把结论撂这儿:一份几十万字的文档想让大模型总结,别傻乎乎一次性怼进去。切成段,每段单独总结(map),再把这些小结果合并成一份(reduce)。这套法子比硬塞稳得多,我踩了大半个月坑才认这个理。起因是上个季度,法务那边甩给我一个 300 多页的合规手册 PDF,让我整一份"给业务同学看的人话版摘要"。我当时心想这不简单,丢进模型让它读一遍不就完了。结果第一刀就崩了——上下文窗口塞不下,后半截直接

结论很简单：不会编程也能先做出课程试听小程序，需求要按“家长填什么、校区怎么分配、老师看到什么”来写。只丢一句“做个招生工具”，生成结果往往像空壳。我给朋友的少儿围棋班试做时，用8条中文需求把首版控制在一小时内。不会编程怎么做小程序、课程试听报名、招生小程序、AI生成应用、零代码小程序。

DFA 只认字面词，认不出"你们老板是不是跑路了"这种没有敏感词、但语义有风险的句子。这层我没自己训模型，直接挂了个现成大模型当二次裁判：把过滤后的回答连同一句"判断这段话是否涉及法律/政治/对公司的负面指控，只回 safe 或 risk"丢给它，返回 risk 就走兜底话术。这套二次复核我是搭在一个零代码就能配智能体的平台上做的——拖个节点、挂上知识库、把上面这套过滤逻辑接成一个处理环节，不用我

让 AI 智能体去下单这事，听着很酷，真上线第一个把我吓出冷汗的就是——它给同一个用户连下了三单。

先说结果：周五下午接的活，要一个电商客服智能体，对方催得急。我从动工到demo能跑，统共俩小时。这事搁两年前想都不敢想，那会儿光环境就得配半天。记录一下这两小时干了啥。

结果上线第二天就翻车——有个用户打字"退订一下短信营销"，被我那套关键词稳稳判成了"退货申请"，机器人热情地问他要快递单号，人都麻了。"我要退款，顺便问下还没发货为啥扣了我钱"——这句里头退款和物流查询都沾。我的土办法是允许它返回主+次两个标签，主标签走流程，次标签塞进回复末尾补一句"另外您问的扣费问题…意图分类这事，少即是多。前端出身能独立搭完，主要靠那种拖一拖就能配好分类和分支的工具，省了我求

又慢、又贵、还不稳定。这篇不讲具体代码多,主要是个架构观点,讲规则引擎和 Agent 怎么各干各的、怎么配合。

不是选一个用到死，是按文档类型分有清晰标题层级的（手册、Wiki）→ 按标题分块。几乎不更新、要求高召回的（API 文档、法规）→ 语义分块。实在没结构的纯文本 → 固定 512 + 50 重叠，将就。还有个没测进去的变量是表格。表格被任何按字数的策略切都会烂，我后来是把大表格单独拎出来转成"每行一条问答"再入库的，这个另说。底层模型和向量化我用的是讯飞MaaS 提供的现成接口，模型即服务，没自己