Appearance
第 13 课 · 从 V1 到 V2 的演进路线
全书收尾:把前十二课串成一条「别一步到位」的落地路线。 每一层先跑稳,再进下一层 —— 大多数网校 / 教材项目停在 V2/V3 就够用。
本课要解决的问题
原则、模式、工程、架构都讲完了。最后一个问题最实际:
从零开始,先做什么、后做什么?什么信号出现,才该进下一阶段?
本课给一条 渐进演进路线图,并收束全书。
一、演进路线图(V1 → V5)
V1 Prompt / RAG 答疑
—— 先把「检索 + 可控问答」做对(第 03、12 课)
↓ 需求分叉(不同类型问题)
V2 加路由 Routing
—— 不同类型走不同 Workflow(第 04 课)
↓ 需要「动手」查 / 改一两下
V3 加 Function Calling + 支撑层
—— 单次固定工具 + 缓存 / 护栏 / 监控 / 评估 / 降级,上生产(第 07、10、11 课)
↓ 确有开放任务
V4 挂自主 Agent 分支
—— 仅对开放任务,沙箱 + 审批 + 审计齐备(第 06 课)
↓ 有成本 / 隐私 / 性能压力
V5 优化 / 本地化
—— 提示缓存、rerank、本地模型闭环(第 09、12 课)二、每个阶段:加什么、什么信号进下一步
| 版本 | 加什么 | 解决什么 | 进下一步的信号 |
|---|---|---|---|
| V1 | Prompt / RAG | 基础答疑,带出处 | 出现多种问题类型,一个 prompt 应付不了 |
| V2 | 路由 | 分类分流,各分支专优 | 用户开始要「查我的进度 / 改笔记」 |
| V3 | 单次工具 + 支撑层 | 能办事 + 能上生产 | 出现真·开放任务(步骤说不准) |
| V4 | 自主 Agent 分支 | 处理开放任务 | 成本 / 隐私 / 延迟成为瓶颈 |
| V5 | 优化 / 本地化 | 降本、闭环、提速 | —— |
绝大多数项目停在 V2 / V3 就够。 V4 只对少数开放任务开放,V5 按压力再上。
三、常见「跳级」翻车
| 跳级 | 后果 | 正确做法 |
|---|---|---|
| 直接上 V4 自主 Agent | 慢、贵、不稳、难测,还没护栏 | 从 V1 起步 |
| V1 就章节直灌 | token 浪费、无出处、名不副实 | V1 就把 RAG 做对 |
| 跳过 V3 支撑层直接上生产 | AI 挂了拖垮业务、成本失控 | 上生产前必补缓存 / 护栏 / 监控 / 评估 / 降级 |
| 没 Eval 就迭代 | 改好一个弄坏三个不自知 | V1 起就攒 Golden Set |
四、一页纸落地清单
□ V1:BFF 托管 Key · RAG 切块 + 出处 · 拒答策略 · 攒 30 条评估集
□ V2:路由分类(轻量)· 各类型专属 prompt
□ V3:单次 Function Calling(参数校验 + 写操作审批)
· 缓存 · 护栏 · 成本监控 · 评估回归 · 降级兜底
□ V4:仅开放任务上自主 Agent(沙箱 + 审批 + 审计 + 熔断 + 上下文管理)
□ V5:提示缓存 · rerank · 本地模型(按成本 / 隐私需要)五、全书回顾:四篇一条线
决策篇(01–03):要不要上 → 什么结构 → RAG 还是工具
模式篇(04–06):提示链 / 路由 → 编排 / 评估优化 → 自主 Agent
工程篇(07–10):工具与安全 → MCP 选型 → 记忆上下文 → Eval 与降级
场景篇(11–13):架构全景 → 知识注入 → 演进路线五条核心心法(全书浓缩):
- 能用 Workflow 别上 Agent。
- 能用 RAG 别直灌章节。
- Agent 能动手 = 必须人在环。
- 先 V1 跑通再演进。
- 在你自己的任务上 Eval。
本课结论
- 渐进演进 V1→V5,每层跑稳再进下一层。
- 进阶靠信号驱动: 需求分叉才加路由,出现开放任务才上 Agent。
- 上生产的门槛是 V3 支撑层,不是功能多。
- 别跳级: 直接上 Agent / 直灌 / 跳过支撑层 / 没 Eval,都是经典翻车。
- 多数项目停在 V2/V3 就够 —— 克制,是这本书的主线。
课后自检(3 分钟)
- [ ] 我的项目定位在明确的某个版本(V1～V5),而非贪多
- [ ] 我是「信号驱动」进阶,而不是一上来堆功能
- [ ] 上生产前我补齐了支撑层(缓存 / 护栏 / 监控 / 评估 / 降级)
- [ ] 我从 V1 起就攒了评估集
- [ ] 自主 Agent(若有)只用于真·开放任务且清单齐备
结语
这本书从头到尾只主张一件事:克制。
Agent 不是「更聪明的聊天」,是「把下一步交给模型决定的循环」。 它适合开放任务,不适合你本来就能写死的流程。
把 RAG 做对、把 Workflow 用好、把支撑层补齐 —— 你的阅读器 AI 已经能打八成的仗。剩下那两成开放任务,再谨慎地交给 Agent。
延伸阅读
© 曹宇春