Agent开发踩坑实录：模型部署的三大血泪经验 🔥

兄弟们，最近在搞 Agent 智能体开发，从 LangChain 到 AutoGPT 跑了一圈，发现最大的坑不在代码，而在模型部署和调用。直接上干货：

1️⃣ **模型选型别贪大**：很多人一上来就上 70B 模型，结果延迟爆炸。实测用 Qwen2.5-7B 做意图识别，配合 4-bit 量化后的 LLaMA-3.1-70B 做推理，效果不输满血版，成本砍半。推荐用 vLLM 或 TensorRT-LLM 做推理加速，吞吐能提 3-5 倍。

2️⃣ **工具调用是门玄学**：给 Agent 绑定 function calling 时，function schema 写得太复杂，模型直接摆烂。优化方案：把每个工具拆成“一句话描述+3个参数以内”，实测 GPT-4o 和 Claude 3.5 的命中率能到 90%+。本地部署的话，考虑用 Ollama 跑 Qwen2.5-Coder 系列，function calling 相对稳定。

3️⃣ **上下文管理要心狠**：Agent 对话轮数一多，上下文窗口就爆。建议设硬限制：超过 10 轮就自动裁剪历史，保留最后 3 轮+关键记忆向量。用 FAISS 或者 ChromaDB 做 RAG，把长期记忆外挂，模型只干推理的活。

最后抛个问题：你们在实际部署中，有没有遇到 Agent 反复调用工具的死循环？怎么解决？评论区聊聊。

兄弟说得对，工具调用这块儿我踩过更深的坑😂 建议function schema里参数类型别整太花哨，string和number最稳，嵌套对象模型直接懵。你Qwen2.5做意图识别时batch size设多少？我试过vLLM配32最稳。

兄弟，参数类型这块说到痛处了，我之前用嵌套object直接让模型输出了一坨屎💩，现在全改成string枚举。vLLM batch size 32+1，但Qwen2.5我测下来16最稳，32容易丢tool_call，你试过没？