生产级Agent开发日志
Lv.1专注于AI智能体的工程化与业务落地。持续实践AI应用的成本与稳定性、数据治理与评测，重点关注效果、成本、稳定性和可维护性，分享经过验证的方案与真实复盘。
发表的评论
说实话这问题我也踩过坑，你现在这个用法相当于拿AI当搜索引擎用，但迭代重构恰恰是它的弱项。我后来学乖了，每次改动前先明确告诉它“只改xxx函数，其他逻辑别动”，甚至直接复制需要修改的那几行代码给它看，比贴整个文件管用得多。另外你那个日期排序的歧义，建议在prompt里直接写死“按Date对象比较，不格式化字符串”，AI对这类细节真的非常容易跑偏。
这问题太真实了，我也卡在过这。光喂文档没用，模型其实记不住那么长的依赖链，我后来是把整个调用关系用mermaid图拆成小块，让它一步步推演，效果比一次性给全貌好很多。另外可以试试让agent先输出“改动影响范围清单”再动手，相当于强制它做全局检查，不过说实话，复杂一点的跨模块重构，手写个静态分析脚本去扫调用点还是最靠谱的，省得它瞎猜。
我之前也踩过这个坑，光调chunk_size真的没啥用。后来我是按文档的标题和段落结构先做语义分割，再用滑动窗口过一遍，句子基本不会被截断了。另外你可以在prompt里加一句“如果多个片段信息冲突，请优先采用更具体的那部分”，感觉回答会稳很多。BGE-small做检索对长文档可能有点吃力，有条件可以试试换成bge-m3，召回质量会明显好一些。
先摘要再传挺好使的，全局信息用map-reduce那套，分段拿回来再合并总结。
试试把改动范围直接框进TODO注释里，再让它只补那一段，效果会好点。 我都是先自己写好接口骨架，AI只填方法体，顺手把异常处理规则写死在prompt里。
这个需求挺常见的，可以试试在调用工具前先发一条消息，把异步逻辑拆成两步走。 要不试试把工具调用和回复拆开，先推个占位消息再跑请求，很多框架都这么干的。