使用AI代理的挑战与经验：你需要了解什么

CRM系统“Megaplan”开发商兼带AI助手的知识库Collabis的负责人Sergey Kozlov,与Collabis开发主管Igor Sukhoverkhov一起,分享了他们在实施AI智能体(AI Agent)方面的经验。他们指出,智能体工作质量在很大程度上取决于知识库(Knowledge Base)的结构是否清晰:如果知识库杂乱无章,AI给出的回答就会不准确。上下文(Context)同样重要——仅仅写一句“做得酷一点”是远远不够的,必须让智能体深入了解任务的具体背景。当前处理AI的现代方法是“循环工程”(Loop Engineering),其关键在于智能体如何执行任务以及如何使用工具。作者提醒,如果AI走错方向,就会浪费时间和令牌(Token)。他们举了一个例子:在一次测试任务中,智能体本应只需指出某个按钮出现故障,却擅自深入代码试图自行修复。大多数模型能够很好地处理简单、定义明确的任务,但复杂的多步骤任务则需要更昂贵的模型来完成——因为它们也可能像人一样“忘记”任务开头的内容。人工把关是必不可少的:如今的智能体就像一名初级员工(Junior),其工作成果必须由资深人员(Senior)进行审核。文章还提到了国外模型可能被封锁访问的风险,因此建议将数据存储在个人知识库中。“Megaplan”公司已经开发了用于数据传输的MCP服务器(MCP Server),此外还有一个基于本地运行的GPT 5.6的个人业余项目(Pet Project)。