大家怎么看 Agent 操作生产数据库？
组里在讨论要不要让 Agent 直接读写生产库，理由是"自然语言查数据"对运营同学很友好。我第一反应是慌：Agent 写 SQL 出错就是生产事故。 我的底线是 Agent 只能查不能写，而且查也得走只读副本 + SQL 白名单 + 行数限制。写操作必须人确认。 可能我保守了。大
#AI Agent♥ 90 评论
Posts
社区帖子
像论坛一样发起讨论，适合问题、观点、工具推荐和经验交流。
Function calling vs XML tool use，怎么选
不同模型对工具调用的格式偏好不一样，有的是原生 function calling（JSON），有的擅长 XML 包裹的 tool use。选哪个我纠结过一阵。 我的结论是：能原生就原生，结构化程度高，解析稳；只有在模型对原生支持差、或者需要更复杂的嵌套指令时才考虑 XML。 而且
#AI Agent♥ 160 评论
用 MCP 把本地文件接给模型之后，效率起飞
之前让模型读本地文件得手动复制粘贴，或者写脚本喂，特别麻烦。接了 filesystem MCP 之后，Agent 自己就能读指定目录下的文件，问"帮我看看这个项目的依赖有没有冲突"它直接翻 package.json。 权限要控制好，我只开放了工作目录的只读，写操作单独再开一个受限
#MCP♥ 230 评论
Agent 的 token 成本怎么控？
Agent 跑起来真的烧钱，一个复杂任务几十轮对话，每轮都把全部上下文重发一遍，账单蹭蹭涨。我已经因为这事被财务找过两次了。 试了几招：用便宜模型做路由和简单工具调用，贵模型只在关键推理用；上下文定期摘要压缩；缓存工具返回结果，不重复查。 降了一半成本，但还想再压。大家都有啥省钱
#AI Agent♥ 300 评论
求助：多 Agent 之间怎么共享上下文
搭了个多 Agent 系统，规划 Agent 出方案，执行 Agent 落地，审查 Agent 把关。问题出在上下文传递：把全部上下文原样传给每个 Agent 又贵又乱，摘要传又丢细节。 试过用一个"共享黑板"（KV 存储），每个 Agent 读写自己关心的部分： 效果中等，关键
#AI Agent♥ 370 评论
Agent 安全：千万别给 shell 权限
看到不少人为了让 Agent"啥都能干"，直接给它一个 shell 工具，让它想跑啥命令跑啥命令。这非常危险，等于把电脑钥匙交出去了。 模型一旦被 prompt 注入（比如读到一个恶意网页或文件里的指令），它就可能执行任意命令，删库、外泄数据、装后门都不在话下。 我的原则：she
#AI Agent♥ 440 评论
吐槽：Agent demo 炫酷，落地一地鸡毛
看了无数 Agent demo 视频，全自动订机票、全自动写代码、全自动分析数据，看着跟魔法似的。自己一上手做产品，发现 demo 和生产之间隔着银河系。 demo 里任务边界清晰、数据干净、用户配合；生产里任务模糊、数据脏、用户瞎点。Agent 一遇到开放场景就原形毕露。 我现
#AI Agent♥ 510 评论
一个 MCP + RAG 的小组合
做了个小工具：把内部文档向量化存好，然后用一个 MCP server 暴露"检索文档"这个工具给 Agent。Agent 回答问题时会自动调这个工具查文档，效果比纯 RAG 好。 原因是 Agent 能判断"要不要查""查什么""查到的够不够"，而不是无脑检索拼接。相当于 RAG
#MCP #RAG♥ 580 评论
大家怎么看 Agent 自己写代码自己跑？
现在有些 Agent 能写完代码自动跑测试、看报错、再改，循环到通过为止。听着很美，我用过几次，心里五味杂陈。 好的方面：简单任务真的能闭环。坏的方面：它经常"通过测试但逻辑错了"——因为测试也是它自己写的，自己出题自己改卷。 我现在要求关键逻辑的测试必须人写或者人审，不能让 A
#AI Agent♥ 650 评论
MCP 和 Function calling 是替代关系吗
经常有人把 MCP 和 Function calling 放在一起对比，我觉得这是俩层面的东西，不是替代关系。 Function calling 是模型层的能力：模型怎么知道有哪些工具、怎么生成调用参数。MCP 是协议层：工具怎么被发现、怎么被注册、怎么和客户端通信。 打个比方，
#MCP #AI Agent♥ 720 评论
用 Agent 做客服机器人，三个月复盘
给公司产品接了个 Agent 客服，跑了三个月，复盘下经验教训。 好的：常见问题解决率六成多，人工工单降了不少。坏的：长尾问题幻觉严重，几次瞎承诺给客户造成了麻烦，最后只能强制加"超出知识库就转人工"。 最大的教训是边界要划清，宁可多转人工也别让它瞎编。还有要把对话日志全留下，方
#AI Agent♥ 790 评论
Agent 该用哪个模型当家教？
这里说的"家教"是给 Agent 选底层模型。我用过几家之后的感觉：推理能力强的模型适合做规划和复杂判断，但贵且慢；小模型适合做工具调用和简单路由，便宜快但容易出错。 我现在用混合：主推理用强模型，工具调用和短对话用小模型，按任务难度路由。 选型这事没有标准答案，得拿你自己的任务
#AI Agent #大模型♥ 860 评论