模型、工具和权限，应该怎样选择
同一个智能体可以处理不同工作，但不会自动拥有每一种能力。开始任务前，花一点时间确认模型服务、可用工具和执行权限，可以避免把配置缺失误认为提示词问题。
按任务选择模型能力
代码修改需要理解仓库和推理能力；图像输入需要模型能够读取图片；生成图片则需要对应图像服务。先确认服务实际支持什么，再考虑质量、延迟和成本。模型名称本身不能证明某项工具或文件格式可用。
接入自己的模型服务时，检查接口、鉴权、模型标识和可用范围。先做一个小任务确认链路，再投入长流程。不要把密钥放进项目文件、可分享的示例或生成的产出。
只连接本次需要的工具
MCP 可以接入外部工具与资料，Skills 可以组织可复用的执行方法，两者解决的问题不同。一个 Skill 描述了工作步骤，不代表对应服务已经连接；工具已经连接，也不代表每个任务都应该使用。
添加工具后，先了解输入、输出和副作用。读取文件、查询网页与发送消息、更新记录的影响不同。工具列表越长不一定越有帮助，清楚的用途和可验证的结果更重要。
让权限对应本次工作
做调研时可能只需要读取资料；修复项目时可能需要修改文件和运行测试；发布产物还涉及外部状态。按阶段给出范围，让执行能力与任务风险相称。需要确认的操作，在发生前说明目标与影响。
桌面客户端不意味着所有内容都只在本机处理。向远程模型或工具提交请求时，相关内容可能离开本机。理解所选服务的数据边界，再决定提供哪些材料，是选择工作环境的一部分。
遇到失败，检查实际链路
先看错误发生在哪里：模型请求、工具连接、文件访问，还是执行环境。记录错误和当前结果，再修复对应环节。不要通过反复扩大权限或重复执行外部动作来猜测问题。
一套配置是否合适，可以用小而真实的任务判断：能否读到所需材料，能否完成允许的动作，失败是否可解释，产出能否检查。满足这些条件后，再逐步组合成更长的工作流程。