标签 · 智能体

多 Agent 协作的边界：什么时候会互相打架

多 Agent 的协作成本随数量上升。本文给出值得多 Agent 的三种情况、四种常见冲突与对策（重点是「单一写入者」）、汇总层该怎么写、该观测的指标与一个务实

把工具清单做成能力目录：模型怎么知道有什么工具

工具清单越长，选择与参数填充越容易错。本文给出能力目录的八个字段（重点 when_not 与 side_effects）、分层组织方式、按任务动态给候选的做法、

检索与生成的分工契约：谁负责什么

RAG 扯皮源于没有分工契约。本文给出检索侧与生成侧各三项承诺、一张失败归因规则表、验证契约是否生效的分段指标与契约测试，以及两个常见反模式。

AI 功能的权限模型：能做与不能做要显式声明

能力边界写在提示词里等于靠模型自觉。本文给出能力矩阵的写法、三层防线（参数/权限/确认）、拒绝要说清原因、审计与最小权限，以及三个常见漏洞与一条越权用例判据。

工具返回值要按「给人看」设计：结构化、摘要与溯源

工具返回一大坨 JSON，模型抓不到重点。本文给出结构化字段规范、人类可读摘要的做法与校验、溯源三要素（trace/版本/来源）、工具描述该写什么，以及三个反模

把工具调用做成可观测的：日志、回放与重试

工具调用出错可能藏在参数、时序、权限与幂等里。本文给出该记的 10 项日志、离线回放的做法、重试的三条边界、四个该报警的指标与最小落地顺序。

多模型路由：把成本花在刀刃上

多模型路由让不同难度的请求走不同档位。本文给出三个可度量判据、三种实现（规则/分类器/级联）与各自代价、兜底与抽检要求，以及该观测的指标与落地顺序。

函数调用与结构化输出的边界：什么时候该让模型「填表」

让模型输出结构化数据有两条路线：填表与调工具。本文给出各自的适用场景、一个务实的组合方式（模型填意图表、代码去落地）、三个常见错误与选型检查清单。

智能体的记忆分层：短期、长期与共享

智能体的记忆应分三层：会话内的短期、跨会话的长期、跨任务的共享。本文给出各层的管理手段、写入与读取纪律、四个常见错误与落地顺序。

智能体的工具该怎么设计：少而准，可回滚，有边界

给智能体接工具时，最常见的问题是工具太多、太宽、没有边界。本文讲清工具设计的四条原则、参数设计的具体做法，以及为什么写操作必须有幂等、回滚与二次确认。

提示词注入是怎么回事：把用户输入当「数据」而不是「指令」

提示词注入无法靠「让模型更听话」根治，因为它本质是数据与指令混在同一个通道。本文讲清三类常见注入路径，以及工程上真正有效的四类缓解措施与它们的边界。