真实场景的智能体开发：十几行代码，跑通不等于能上线

演示视频里的智能体，能查订单、能退款、能发邮件，像全能助理。真实业务里的智能体，可能查错订单、退款两次、把内部数据发给不该看的人。真实场景开发，难点从来不是模型会不会说话，而是边界有没有写进代码和流程。

一、玩具智能体和生产智能体的差距

一句话：玩具只要“能跑”，生产要“跑不坏”。

二、最小骨架：先能跑，再谈稳

下面这段 Python 只有十几行，却是一个真实客服智能体的最小循环：模型决定调工具，程序执行，再把观察结果喂回去。

import os, json
from openai import OpenAI

c = OpenAI(api_key=os.getenv("OPENAI_API_KEY"))
T = {
    "查订单": lambda oid: f"订单{oid}已发货",
    "退款": lambda oid: f"订单{oid}退款已提交",
}

def run(q):
    m = [
        {"role": "system", "content": "你是客服智能体。工具：查订单(oid)、退款(oid)。退款前必须先查订单。需要时只输出JSON {tool,args}，否则{reply}。"},
        {"role": "user", "content": q},
    ]
    for _ in range(3):
        o = c.chat.completions.create(
            model="gpt-4o-mini", messages=m
        ).choices[0].message.content
        try:
            d = json.loads(o)
        except:
            return o
        if "reply" in d:
            return d["reply"]
        r = T[d["tool"]](**d["args"])
        m += [
            {"role": "assistant", "content": o},
            {"role": "user", "content": f"观察：{r}"},
        ]
    return "转人工"

这段代码跑通了“理解 → 选工具 → 执行 → 回复”。但它离上线，还差五件事。

三、真实场景必须补的五件事

第一，身份和权限。 工具调用必须带用户身份，服务端再校验一次。不能因为模型说“可以退款”，就直接退。模型只负责建议，权限必须由系统判断。

第二，幂等和确认。 退款、发邮件、删数据，都要幂等键，避免重复执行。危险操作要二次确认，金额大、影响广的，直接转人工。

第三，状态和记忆。 短期记忆存对话，长期记忆存知识，任务状态用 JSON 记录“待办、完成、失败、等待确认”。没有状态，智能体每轮都像失忆。

第四，失败和降级。 工具超时怎么办？返回空怎么办？重试几次？失败后能不能回滚？真实系统必须有兜底，最后一步永远是“转人工”。

第五，可观测和评测。 日志、追踪、指标、评测集，一个都不能少。至少要盯：任务成功率、平均步数、单次成本、越权次数、重复操作次数。

四、提示词里的安全边界

提示词不是许愿池，而是规则书。真实场景的提示词要写清：

• 角色：你是谁，服务谁；
• 工具：有哪些，参数怎么填；
• 规则：退款前必须查订单，金额超 500 元转人工；
• 格式：只输出 JSON；
• 停止条件：什么时候直接回复，什么时候继续行动。

例如：

你是客服智能体。可用工具：查订单(oid)、退款(oid)。规则：1. 退款前必须先查订单；2. 订单不存在或已退款，不得调用退款；3. 金额超过 500 元，转人工；4. 只输出 JSON。

但记住：提示词只是第一层，服务端必须再校验一遍。

五、一个真实场景：客服退款

用户说：“我要退款。” 智能体不能直接退款。它应该：先查订单，确认状态，询问原因，判断金额，满足条件才调用退款，最后告知结果。上面那段代码的循环，正好支持“先查后做”。

但真实系统还要加：用户身份、订单归属、退款幂等、金额限制、人工审核、操作日志。少了任何一项，都可能出事。

六、常见坑

第一，没有最大步数，智能体无限循环。 第二，工具没有鉴权，模型一喊就执行。 第三，危险工具直接暴露，没有二次确认。 第四，不校验 JSON，解析失败就崩。 第五，不记录日志，出事查不到。 第六，没有评测集，改一版提示词不知道变好还是变坏。

七、结语

真实场景的智能体开发，代码可以只有十几行，但规则要写几十条。模型负责想，工具负责做，你负责边界。先跑通最小闭环，再逐步加权限、幂等、评测和监控。

记住：能演示的智能体很多，能上线的，都是把边界写进代码和流程里的。