S01E01｜AI Agent 工程化对谈：从套壳到可维护系统

本期简介

这是 AI 知识实践站的第一期播客。我一个人录，没有嘉宾，主题是我最熟悉的 AI Agent 工程化。

录这期的初衷是：我把过去一年在 Agent 项目里的实践整理成了一篇文章，但文章太干，很多“为什么这么做”的取舍没法展开。播客正好补这块——聊聊决策过程，而不是结论本身。

时间轴

本期时间轴见右侧（或上方）的结构化时间轴组件，点击任意节点可以跳到对应音频位置（后续版本支持）。

文字稿

开场：很多人最初写 Agent，都是一段提示词加一个工具调用，跑通了就觉得自己会了。但一旦进真实业务，提示词散在代码里、工具没有边界、上下文越滚越长，没有评估手段——这套东西撑不住。

提示词治理：我把提示词从代码里抽出来，按“角色 / 任务 / 约束 / 输出格式”分段，并版本化。这样每次调整都有据可查，也能跑回归用例。提示词不是注释，是逻辑。

工具编排：工具不是越多越好。我按“读侧 / 写侧 / 检索侧”分层，每个工具显式声明入参、出参、副作用和失败回退。Agent 走统一编排层调用，而不是各自为政。

上下文管理：上下文窗口不是免费的。我把长期记忆和当次任务上下文分开——长期记忆走向量检索按需注入，当次上下文用结构化消息栈管理，每轮结束压缩。

评估闭环：没有评估的 Agent 就是玄学。我维护一个用例集，每次改动跑一遍，记录通过率、工具调用次数、平均轮数和成本。这四个指标比“感觉好不好”靠谱得多。

结尾：AI Agent 工程化的核心不是模型多强，而是约束做得有多清楚。约束清楚，Agent 就稳定；约束模糊，再强的模型也会乱跑。

本期提到的资源

资源链接见右侧（或上方）的结构化资源组件。配套文章和排查手册建议搭配收听。