错误1：Prompt过长，模型注意力分散

表现：1000+行超长Prompt，模型经常“忘记”关键指令

原因：模型注意力机制的限制，过长的Prompt导致关键信息被淹没

解决方案：

1. 采用Multi-Agent架构，每个Agent只负责一个子任务
2. 分层加载上下文，只加载当前步骤相关的信息
3. 单个Agent的Prompt控制在500行以内

实战案例：将超长Prompt拆分为多个聚焦的小Prompt，每个控制在300-500行以内

错误2：状态管理混乱，多轮对话不连贯

表现：Agent“忘记”用户之前的诉求，重复提问，用户体验差

原因：依赖LLM从历史对话中推断状态，但LLM不擅长状态管理

解决方案：

1. 状态显式传递：在Prompt开头明确告知当前状态
2. 职责分离：LLM负责内容生成，代码负责状态管理

实战案例：在每个Agent的Prompt开头添加“## 当前状态”部分

错误3：边界case处理不当，误判率高

表现：相似意图经常混淆，如“为什么限制我的支付？”被误判为其他意图

原因：边界规则描述不清晰，缺少边界case的示例

解决方案：

1. 用表格清晰展示边界规则