AI Agent 部署常见问题有哪些？提示工程怎么避免错误？

作者： Dr.n8n 更新时间：2025-12-12 17:00:41 分类：n8n教程

你写的 Prompt 再好，Agent 也可能“装傻”——这是部署中最常见的坑

上周我帮一家跨境电商客户调试他们的退货处理 AI Agent，明明提示词写得清清楚楚：“若用户提到‘尺码不对’，请自动推荐换货流程”，结果系统却回复：“抱歉，我不太明白您的意思。”——这不是模型笨，而是部署环节埋了雷。

提示工程（Prompt Engineering）不是魔法棒，它需要和部署环境、数据结构、上下文管理协同作战。否则再精妙的 Prompt 也会被现实“打回原形”。

问题一：上下文丢失——AI 像得了“金鱼记忆”

很多初学者以为只要把 Prompt 塞进 LLM 就万事大吉。但现实是：在 n8n 工作流中，如果前一个节点输出的是 JSON 对象，而你没用 Set 节点提取关键字段，直接传给 AI 节点，那模型看到的可能是一堆杂乱无章的原始数据。

我在部署客服 Agent 时就吃过这个亏。用户说“我要退3号订单”，系统却问“请问您要退哪个订单？”——因为订单 ID 没有被正确注入到 Prompt 的上下文中。

解决方案： 在调用 AI 节点前，务必使用 Function 或 Set 节点清洗并结构化输入数据。比如：

// 在 Function 节点中预处理上下文
return {
  json: {
    userQuery: $input.item.json.query,
    orderId: $input.item.json.orderId || "未提供",
    lastIntent: $workflow.context["lastIntent"] || "无"
  }
};

问题二：变量注入失败——你的占位符根本没生效

很多人喜欢在 Prompt 里写：“亲爱的 {{customerName}}，您上次购买的 {{productName}}...”，结果发出去全是“亲爱的 undefined”。

这通常是因为：

变量名拼写错误（比如 customer_name vs customerName）
上游节点未输出该字段
n8n 表达式语法错误（忘了加 $json. 前缀）

类比教学： 这就像你让快递员送包裹，却只说“送到张三家”，却不告诉他城市、街道、门牌号——他当然找不到。

实战技巧： 在 n8n 中，永远先用 Debug 节点打印上游输出，确认字段存在且命名一致。然后在 AI 节点的 Prompt 中使用完整路径：{{$json.customerName}}。

问题三：Token 超限——AI 突然“失忆”或“胡言乱语”

LLM 有上下文长度限制（如 GPT-4 是 8K 或 32K tokens）。如果你一股脑把整个聊天历史、产品目录、用户画像全塞进去，模型要么截断前面内容（导致遗忘），要么直接报错。

我曾见过一个智能导购 Agent，在对话第7轮后突然开始推荐完全不相关的产品——就是因为历史消息超限，模型“忘记”了用户最初想买的是婴儿奶粉。

解决方案：

使用 Summarize 节点定期压缩对话历史。
只传递与当前任务最相关的上下文（比如最近3轮对话 + 用户画像核心字段）。
在 Prompt 开头明确指令：“请忽略超出你上下文窗口的历史信息，仅基于以下摘要行动：...”

问题四：缺乏错误兜底——用户被晾在一边

当 AI 返回 “I don't know” 或空字符串时，很多工作流就卡住了。用户体验瞬间崩塌。

我的经验： 永远为 AI 节点设置 fallback 机制。比如：

// 在 Function 节点中检查 AI 输出
if (!$output.item.json.aiResponse || 
    $output.item.json.aiResponse.includes("I don't know")) {
  return {
    json: {
      response: "抱歉，我暂时无法处理此请求。已为您转接人工客服。",
      escalate: true
    }
  };
}

或者更优雅的方式：用 IF 节点判断输出质量，不合格就触发备用流程（如发送 Slack 通知给运营团队）。