做过真实 agent 项目后，他改成了专职 agent、reranking 和结构化记忆
AccurateCartoonist38 · reddit · 2026-07-21
作者在做了几个真实项目后发现，最重要的教训不是“选哪个模型最好”，而是 架构怎么设计。
他后来做出的几项调整包括：
- 不再把完整对话历史塞给每个 agent，而是只检索相关上下文。
- 从“一个 agent 什么都做”改成 多个分工明确的专职 agent。
- RAG 不再只靠向量检索，而是加入 reranking。
- 长期记忆只存 结构化事实，而不是把每条消息都存进去。
- tool calling 必须配好 错误处理和重试，否则很容易在简单问题上失败。
- 前后端分离，部署更轻松。
作者现在在试的方向包括：多 agent 工作流、长期记忆、Gmail/Calendar 集成、延迟执行任务，以及 MCP 和传统 tool calling 的对比。
「编程与Agent」频道最新
- 构建 AI Agent 安全网关：如何自托管多 SaaS 的 OAuth 集成 — Defiant_Cod_2654 · 2026-07-22
- Rowboat 作为开源本地优先 AI 同事上线 — ycombinator · 2026-07-22
- Scoble 说 AI 的 loops 本质是长运行多智能体工作区 — Scobleizer · 2026-07-22
- Kimi Code 开放候补名单，Moonshot 推进编码产品 — Fabulous_Bonus_8981 · 2026-07-22
- 开源 runtime 让每个仓库自定义 AI 代码审查器 — ibabufrik · 2026-07-22
- 独立开发者探讨：当前 AI Agent 记忆层的真正痛点在哪？ — AcceptableTime7937 · 2026-07-22