做 AI Agent 开发快一年了，从最初的兴奋到现在的沉稳，中间踩了无数坑。今天挑5个最痛的分享给大家，希望能帮你们少走弯路。
1. 上下文窗口不是"越大越好"
刚开始做 Agent 的时候，我疯狂往 system prompt 里塞东西——规则、例子、FAQ、用户偏好……恨不得把整个 wiki 都塞进去。结果呢？Agent 反而越来越"笨"，经常忽略关键指令。后来发现，prompt 太长会导致注意力稀释，模型对中间部分的信息几乎视而不见。现在的策略是：核心规则放 system prompt（不超过 500 字），动态信息通过 tool 实时检索，长文档放外部知识库。
2. 工具太多 = 选择瘫痪
给 Agent 50 个 tool 看起来很强大，实际效果是：Agent 面对复杂任务时会陷入"我该用哪个"的纠结，频繁切换工具导致效率暴跌。我现在把工具分三类：核心工具（搜索/文件/终端，必装）、场景工具（按需加载）、废弃工具（果断删）。每个任务只暴露 5-8 个相关工具，Agent 的决策速度提升了 3 倍。
3. 错误恢复 > 永远不犯错
不要指望 Agent 一次就做对。真正好用的 Agent 是"错了能自己修"。我的做法：每个关键操作后加验证步骤，检测到异常自动触发修复流程。比如修改文件后自动跑 lint、部署后自动做健康检查。这比追求完美的一次成功率靠谱得多。
4. 记忆分层——别让 Agent 什么都记住
Session 记忆（短期）、Conversation 记忆（中期）、Wiki 知识库（长期）必须分开。把所有东西堆在 session 里，不仅 token 消耗巨大，还会让 Agent 在无关信息里"迷路"。我现在用三层架构后，Agent 的上下文利用率提升了 60%。
5. 用户体验是最后的 10%，也是最难的 90%
技术跑通只完成了 10%。用户不关心你的 Agent 用了什么模型、架构多优雅——他们只关心"操作是否流畅""界面是否好看""出错了有没有友好提示"。花时间打磨 UI、错误提示、加载动画，这些"表面功夫"才是用户留存的关键。
以上 5 点，每一条都是我加班到凌晨换来的。做 Agent 开发没有银弹，但有经验可以参考。欢迎在评论区分享你踩过的坑，一起避雷！
