我在构建多智能体系统时犯了这5个错误，你可能也会犯

我刚完成客户支持智能体的工作。说实话，很长一段时间我也以为最后我会怪模型、提示词，或者某个框架问题。但经过长时间实践后，我相当确信决定因素不是这些，而是把一切都连接起来的编排和检索——这在架构图上看起来很干净，但在生产环境中真的会变得一团糟。如果你依赖朴素的相似度搜索，任意用户查询命中任意数据，就会拉回错误的上下文。可怕的是，答案听起来仍然很有说服力。这就是为什么我慢慢不再执着于提示词，而是把更多时间花在检索上。混合检索、上下文排序和证据标记成了家常便饭。没有这些，智能体最终会在幻觉中走向客服噩梦。以下是我确实没花心思去做的落地检查，而我的多智能体 LLM 一直在这些方面失败： 1/ 覆盖率（Coverage Rate）：检索到的上下文真正相关的频率有多高？ 2/ 证据对齐（Evidence Alignment）：每个答案是否能追溯到支持它的文本？ 3/ 时效性（Freshness）：它拉取的是最新文档，而不是六个月前归档的内容吗？ 4/ 噪声过滤（Noise Filtering）：它能忽略埋在大文档里的无关区块吗？ 5/ 升级阈值（Escalation Thresholds）：它知道何时停止假装、把对话转交给真人吗？ 我的一个投资人甚至定了一条有趣的规则：如果答案没有依据，智能体就不允许回答。这一决定让升级率下降了40%，并让 CSAT（客户满意度）提升了两位数。事实是，我做的这类系统越多，就越不认为 AI 智能体的失败是因为模型。大多数时候，它们失败是因为从一开始就没有被恰当地“落地”。