精选理由
做AI Agent开发的团队都会遇到token消耗和流程失控的痛点，这个方案把LLM的职责边界划清楚了——翻译SQL交给AI，执行交给脚本，建议直接抄作业。
一位开发者将数据库接入AI Agent后，发现token消耗巨大，且Agent不按预设工作流执行。问题根源在于Memory只是背景信息而非执行指令，Agent每次对话都会重新推理规划。解决方案是用Agent Skill + Script替代Memory中的工作流：让LLM只负责将自然语言翻译成SQL，而执行SQL、格式化结果等确定性步骤交给脚本。在Skill中内嵌表结构说明和SQL模板，Agent只需填空而非从零推理，token消耗可降低一个数量级。
AI 翻译 · 中文
一位开发者将数据库接入AI Agent后，发现token消耗巨大，且Agent不按预设工作流执行。问题根源在于Memory只是背景信息而非执行指令，Agent每次对话都会重新推理规划。解决方案是用Agent Skill + Script替代Memory中的工作流：让LLM只负责将自然语言翻译成SQL，而执行SQL、格式化结果等确定性步骤交给脚本。在Skill中内嵌表结构说明和SQL模板，Agent只需填空而非从零推理，token消耗可降低一个数量级。
Q：我把数据库接入了 AI Agent，每次用手机发消息让它帮我查数据、导出文件，但 token 消耗特别大。我已经把工作流写进了 Agent 的 Memory 里，但它就是不按流程走，该怎么办？ A：这是一个非常典型的问题。根本原因在于：Memory 只是“背景信息”，不是“执行指令”。Agent 每次对话都会重新理解意图、重新规划步骤，这个思考过程本身就是 token 消耗的大头。 解决方案：用 Agent Skill + Scri…