章节摘要:基础智能体能跑起来,本章解决"跑得好"的问题。内容覆盖四个进阶方向:多模态(处理图像音频)、RAG 进阶(知识检索优化)、多智能体协作机制(分工的底层逻辑)与性能优化(延迟与成本),最后讲如何按需扩展与定制框架。学完本章,你能应对复杂场景并做出性能取舍。
阅读完本章,你应当能够:
一句话记住本章:基础决定"能不能跑",高级决定"跑得好不好、贵不贵、能不能定制"——四方向都是为了把智能体推向生产可用。

多模态的价值、Agno 的支持方式,以及文本+图像、语音交互的构建示例。
检索质量优化、分块策略、知识更新与多源知识管理。
协作的底层逻辑:任务拆解、上下文传递与三种协作模式。
延迟、成本、内存三大指标,模型选择、缓存、并行等优化手段。
按需扩展框架:自定义模型接入、自定义工具与钩子。
多模态(3.1) → 能力变宽 → RAG(3.2) → 知识变准 协作(3.3) → 组织变强 → 性能(3.4) → 运行变快 扩展(3.5) → 框架变合身
前三节是"能力扩展",后两节是"工程优化"与"定制化",共同构成高级应用的完整拼图。
| 小节 | 进阶维度 | 前置 | 产出能力 |
|---|---|---|---|
| 3.1 多模态 | 输入输出形态 | 2.2 | 图文音视的处理管线 |
| 3.2 RAG 进阶 | 检索质量 | 2.4 | 可评估的知识问答 |
| 3.3 协作机制 | 编排深度 | 2.5 | 协商/对抗/动态编排 |
| 3.4 性能优化 | 成本与延迟 | 全部 | 有基线的调优方法 |
| 3.5 扩展定制 | 框架改造 | 3.4 | 自有模型/工具/源 |
按项目的瓶颈选学最划算:知识问答类先攻 3.2,多形态内容类先攻 3.1,成本压力大的先攻 3.4。3.5 属于"要做深了自然会碰到"的章节,可以最后补。
第 2 章解决"能用",本章解决"好用":检索更准、协作更稳、成本更低、扩展更顺。判断你是否需要本章的信号很简单——当第 2 章的成果开始被真实用户抱怨时,来本章找答案。
五个小节表面主题各异,底层的共同心法只有一条:从错误样本出发做工程决策。RAG 调优先看检索错误分布,协作设计先看派单失败案例,性能优化先看最贵请求的画像,扩展定制先看哪个环节最痛——每件事都始于具体的坏例子,而不是始于技术清单。这也是初级与资深的分水岭:前者问"还有什么技术我该用",后者问"我的系统正在哪里流血"。
建议你在进入本章前,先确保第 2 章的成果已经跑过真实数据。进阶知识只有落在真实的痛点上才能消化,凭空学习的高级技巧,两周后只剩下笔记。带上你的系统来,带着更好的系统走。
只有一天时间进阶的话:上午学 3.2 的 RAG 调优(多数系统的质量瓶颈在此),下午学 3.4 的性能优化(多数系统的成本瓶颈在此),两者都强调"先度量后动手",正好构成一套完整的方法论闭环。3.1、3.3、3.5 留给具体需求出现时再学——进阶知识的正确打开方式是按需索取,而非按目录顺序消费。
本章各节末尾的常见问题都来自真实开发的高频困惑,建议读完正文后把问题列表先扫一遍——答得出的跳过,答不出的回正文找答案,把 FAQ 当成第二个自测工具用。进阶学习的标志之一,就是开始习惯用问题清单而不是目录来组织自己的知识。
进阶技能的最终考场是第 4 章的案例:多模态路由出现在客服的截图处理里,RAG 调优支撑着知识应答的质量,协作机制是投顾团队骨架,性能优化贯穿生产力工具的成本设计。换句话说,本章每学一节,就可以带着新眼镜去第 4 章重看对应案例——两章对照着读,方法论与实战会互相点亮,这是本教程刻意设计的复习回路。
进阶之路,由此启程;量力而行,满载而归。
愿你在进阶的深水区里,既有下潜的勇气,也有上浮的分寸;既沉得进技术的细节,也浮得上业务的视野。这一章的每一节都是一块跳板,跳下去之前深呼吸,跳完之后回头看——你会发现自己已经比入门时深了整整一层水域。