智能体

用一个开始到结束的编号测试定位 Coze Studio 工作流故障，再逐项检查上游连线、输出声明、字符串与数组类型、结束节点引用和错误分支。

在 Coze Studio 开源版导入一份小 FAQ，先核对解析和检索，再连接大模型；用直接问法、改写问法和资料外问题验证是否忠于文档。

把 n8n 智能体最终答复交给独立 LLM Chain，以固定 JSON Schema 提取字段，再用 Code 拦截类型、额外字段和缺编号的错误。

解释 n8n AI 子节点表达式的首项取值，给出 Loop Over Items 单项循环接线、两会话输入和运行上下文验证方法。

用 n8n Evaluation Trigger 逐行运行固定工单测试集，回填最终分类，用精确匹配定位多智能体传递中的退化。

给 n8n AI 工作流关联 Error Trigger 处理器，记录失败节点和可用执行链接，用带认证的独立测试入口验证自动失败链路。

模型是否能提出操作建议，与工具是否真的执行、能执行到什么范围是三件事。先在无敏感数据的隔离环境测试，并在人类确认后再执行写入动作。

模型的系统约束、你的提示词和业务流程的权限校验各自解决不同问题。不能把一次遵从当成永久权限控制，关键操作仍要由程序和人工拦截。

开发特征工程智能体时，可以先把确定的预处理任务封装成普通 Python 工具，再考虑让模型选择何时调用。工具应明确接受哪些列、只用训练样本拟合，并返回特征名称与形状。下面做一个固定输入契约的本地预览函数，不让模型自由修改列规则。

先不改模型权重：定义任务、给工具写输入输出契约、建立含反例的评估集；只有稳定的失败模式才进入下一轮改提示词或训练方案。