这是 LingNova 企业级 Agent 项目的第二篇阶段性记录。阶段一我先用 Spring AI 跑通了对话、工具调用、Redis 窗口记忆和指标采集；阶段二想解决的，是另一个更现实的问题：当对话变长、任务变复杂、服务发生重启时，Agent 怎么还能够稳定地继续工作？

文章摘要： 本文介绍了LingNova机器人智能管家项目的第三阶段进展，聚焦于提升Agent的协作能力、资料检索可靠性和工具稳定性。通过拆解复杂任务给专注的子Agent（如产品顾问、故障排查员等），优化了任务处理效率。针对专业问题，设计了融合语义与关键词检索的RAG流程，确保回答基于真实资料。工具调用层新增统一包装器，处理超时、重试等异常情况。为防止多Agent协作中出现循环调用，引入结果指纹检测

这是 LingNova 机器人智能管家项目的第四篇阶段性记录。前三个阶段，先后完成了 Spring AI 基础对话、AgentScope Harness 工程化改造，以及多 Agent、RAG 和工具可靠性。到了阶段四，要解决的问题是：谁可以调用它？一次请求花了多少 Token？高危工具能不能直接执行？出了问题以后，能不能查清楚到底卡在哪一步？

文章摘要： 本文介绍了LingNova机器人智能管家项目的第三阶段进展，聚焦于提升Agent的协作能力、资料检索可靠性和工具稳定性。通过拆解复杂任务给专注的子Agent（如产品顾问、故障排查员等），优化了任务处理效率。针对专业问题，设计了融合语义与关键词检索的RAG流程，确保回答基于真实资料。工具调用层新增统一包装器，处理超时、重试等异常情况。为防止多Agent协作中出现循环调用，引入结果指纹检测

本文介绍了LingNova(灵核) 企业级HarnessAgent项目的初始开发阶段。该项目旨在构建一个机器人行业AI智能管家，具备产品选型、知识问答、故障排查和资讯聚合等功能。