幻觉和工具选择错误是 Agent 开发的核心痛点，需要组合多种方案基础方案（必做） → 优化工具描述 + Few-shot 示例进阶方案（推荐） → 输出格式约束 + 工具选择验证高级方案（可选） → 幻觉检测（成本高，高风险场景用）关键原则工具描述要清晰、详细（但不要太长）Few-shot 示例要精选（3-5 个足够）输出格式要约束（减少自由发挥）工具选择要验证（提前发现问题）高风险场景要检测幻

数据泄露是 Agent 开发的核心痛点，需要组合多种方案基础方案（必做） → 数据最小化 + 数据脱敏进阶方案（推荐） → 数据加密 + 访问控制高级方案（可选） → 安全数据处理规范（团队协作用）关键原则优先数据最小化，只收集必要数据加密存储和传输敏感数据做好访问控制，防止越权访问脱敏输出中的敏感数据建立安全数据处理规范，防止人为失误下一篇预告：《Agent 开发实战：版本管理的 5 个解决方案

用户：帮我写一个数据分析报告Agent 直接开始写，写到一半发现需要数据→ 搜索数据→ 发现有数据，但格式不对→ 重新处理→ 效率极低用户：帮我写一个数据分析报告Agent 先规划：1. 明确数据源和格式2. 获取数据3. 数据清洗4. 数据分析5. 生成报告→ 按顺序执行，效率高，出错少规划 = 把复杂任务拆解成可管理的子任务。能力说明实现方式任务分解把复杂任务拆成子任务LLM 分解 + DAG

成本失控是 Agent 开发的核心痛点，需要组合多种方案基础方案（必做） → Token 计数和成本追踪 + 成本预算和限流进阶方案（推荐） → 模型选择优化 + 缓存策略高级方案（可选） → 批量调用（异步任务用）关键原则优先用 Token 计数，精准追踪成本设置合理预算，防止成本失控根据任务难度选择模型，降低成本缓存重复问题，减少 LLM 调用批量处理异步任务，提高性价比系列总结《Agent

坑症状根因解法RAG切分太碎检索到碎片，拼不出完整答案按固定长度切，不按语义切按文档类型选择切分策略纯向量检索漏结果“退款流程"返回"退款政策”关键词精确匹配被语义相似度淹没混合检索：向量+BM25+RRF知识过期给用户已失效的信息入库没设过期时间每条知识加effective_date和expiry_date工具描述模糊LLM调错工具描述太短或不含触发条件描述里写明"当用户提到X时使用"无状态处理

state.py - Multi-Agent系统状态定义TECHNICAL = "technical" # 技术类（工艺参数、操作规范）HR = "hr" # 人事类（报销、考勤、招聘）PRODUCT = "product" # 产品类（规格、价格、交付周期）POLICY = "policy" # 制度类（合规、安全、质量）GENERAL = "general" # 通用类（闲聊、公司简介）CON

AI Agent（智能体）是能够自主完成复杂任务的AI系统。

安全漏洞是 Agent 开发的核心痛点，需要组合多种方案基础方案（必做） → Prompt 注入防护 + 输入验证和输出编码进阶方案（推荐） → 权限控制 + 敏感信息脱敏高级方案（可选） → 安全审计日志（合规要求高的系统用）关键原则优先防 Prompt 注入，这是 Agent 特有风险做好权限控制，防止越权访问脱敏敏感信息，防止泄露验证输入，编码输出，防止 XSS、SQL 注入记录安全审计日志

Workflow（工作流）你定义每一步做什么，LLM只负责执行。Agent（智能体）LLM决定下一步做什么，你只定义它能用的工具。看出来区别了吗？你在驾驶LLM在驾驶，你只给了它方向盘和地图错误。工具列表：Agent 能调用哪些工具？工具描述：每个工具是做什么的？（LLM 根据描述选择工具）终止条件：什么时候停止调用工具？（比如"用户满意"或"达到最大步数"）你没有"不需要定义流程"，你只是把流程

前四篇讨论的都是基于文本的 Agent。但现实世界中，大量的信息是图片、表格、界面用户发来一张截图，问"这个功能在哪"收到一张发票图片，需要提取信息想让 Agent 自动操作浏览器/桌面多模态 Agent，让 AI 从"能说会道"进化到"能看会做"。阶段1：视觉理解（现在）↓ 学会"看"图片，理解内容阶段2：视觉 + 工具（本月）↓ 看到 → 分析 → 操作阶段3：桌面 Agent（下个月）↓ 像