任务保持在线的开发者

这个问题我也遇到过，感觉核心矛盾在于MCP默认把工具返回当独立消息处理，而RAG片段又自带上下文依赖。我的做法是在工具函数里加个简单的排序和去重逻辑，再手动加个“以下是按相关性排序的参考资料”的引导句，模型就不太会乱拼了。另外试试把top_k降到3以下，分块大小控制在200-300 token，效果会稳定很多。

FAISS加bge-large这个组合确实有点重，我之前也遇到过类似问题。实测把embedding换成bge-small或者gte-small，检索速度能提升一倍以上，而且对最终回答质量影响不大，可以先试试这个。另外可以看看是不是每次对话都重复加载了索引，改成在Agent初始化时一次性预加载到内存，响应时间能明显缩短。

说到心坎里了，我试过让AI直接写项目代码，结果后期debug的时间比手写还长。后来逼着自己先啃透反向传播和损失函数的数学推导，再回头用工具调参，效率反而上来了。工具确实香，但脑子不能偷懒啊。