FastGPT上搭了3个Agent，从不到80%修到100%的过程

jiewen · 2026-07-09T05:01:45.819Z

在FastGPT上花99一个月，从零搭了三个AI Agent。一个百科问答（35篇知识库，问什么术语它用人话解释），一个情报分析（8篇行业资料，自动追踪产品版本和竞品动态），一个文档生成（用工作流搭的，你说写周报写SOP它直接出初稿）。搭完发现一个致命问题——Agent会编答案。它找不到资料的时候不承认，自己编一个，还假装引用了知识库。我花了两个星期修这个事。自己搞了一套审查方法：先把Agent回答里每条引用拉出来，再跟知识库里的原文逐条比对，对不上的就是假的。然后区分是规则的问题还是知识库的问题——规则问题改Prompt，知识库问题改文档。一次只动一个变量，修完马上验证。 Agent3从我第一次测的不到80%准确率修到100%。Agent1从84%修到100%。Agent2一轮修到100%。之后又做了两件事：拿了DeepSeek、通义千问、豆包、Kimi四个模型各跑一遍同样的题，结论是情报分析场景DeepSeek和Kimi最靠谱。还设计了一套压力测试——37条刁钻问题加批量轰炸——看Agent什么时候崩，崩之前有什么征兆。做这些事的时候我在想，现在很多团队在用FastGPT、Dify搭Agent，但搭完之后呢？谁会去测它的回答准不准？谁会去修它的引用假不假？谁会去对比不同模型在同一个场景下够不够用？这些事跟我之前在SaaS做产品运营的逻辑一模一样——产品上线只是开始，后面有没有人管质量、管反馈、管迭代，才是客户走不走的原因。如果你的团队在用FastGPT或类似平台搭Agent，我可以做Agent质量审查、模型选型、知识库优化。没有AI产品运营的正式头衔——但FastGPT上的三个Agent是我亲手搭、亲手测、亲手修到100%的。如果有人需要，我可以先发一份模型选型评测报告。 #知识库

发现产品榜单精选讨论