Agent开发平台入门指南：从零搭建你的第一个智能体

1次阅读

没有评论

共计 2141 个字符，预计需要花费 6 分钟才能阅读完成。

很多刚接触 Agent 开发的同学会问：它和 Chatbot、RPA 有什么区别？简单来说：

Chatbot：重在对话交互，但缺乏主动决策能力
RPA：擅长固定流程自动化，但灵活性不足
Agent：既能理解自然语言，又能主动执行复杂任务（比如订机票时自动比价）

举个生活化的例子：当你说 ” 明天出差要带伞吗 ”，Agent 会先查天气→判断是否下雨→给出建议，而普通 Chatbot 可能只会回复 ” 需要查询天气 ”。

根据我的踩坑经验，这些问题是初学者的高频雷区：

意图识别翻车：
用户说 ” 北京天气怎么样 ” 和 ” 首都气候如何 ” 其实是同一个意图
解决方案：建立同义词库 + 多轮对话澄清
上下文丢失：
用户问完 ” 上海天气 ” 紧接着说 ” 那明天呢 ”，Agent 却不知道 ” 那 ” 指代什么
解决方案：使用对话状态管理（后面会演示）
API 调用异常：
天气接口返回 502 错误时，Agent 直接报错退出
解决方案：添加重试机制和友好提示

我们用 Python+Dialogflow CX 框架演示（代码兼容 Rasa/PromptFlow）：

# 安装必要库（建议新建虚拟环境）# pip install dialogflow-cx-api google-cloud-dialogflow-cx

from dialogflowcx_v3.services.agents import AgentsClient
from dialogflowcx_v3.types import Intent, TrainingPhrase

# 1. 创建 Agent 基础配置
def create_agent(project_id, display_name):
    client = AgentsClient()
    parent = f"projects/{project_id}/locations/global"
    agent = {
        "display_name": display_name,
        "default_language_code": "zh",
        "time_zone": "Asia/Shanghai"
    }
    return client.create_agent(parent=parent, agent=agent)

# 2. 添加天气查询意图
weather_intent = Intent(
    display_name="query_weather",
    training_phrases=[TrainingPhrase(parts=[{"text": "北京今天天气"}]),
        TrainingPhrase(parts=[{"text": "上海明天会下雨吗"}]),
        TrainingPhrase(parts=[{"text": "深圳未来三天天气预报"}])
    ]
)

# 3. 模拟天气 API（生产环境替换为真实调用）def mock_weather_api(city: str, date: str) -> dict:
    return {
        "city": city,
        "date": date,
        "weather": "晴",
        "temperature": "22~28℃",
        "tip": "建议穿薄外套"
    }

使用 session 存储上下文信息，避免用户反复说明：

# 存储最近询问的城市
def detect_city_entity(session_id, text):
    if "北京" in text:
        cache.set(f"{session_id}_last_city", "北京")
    elif "上海" in text:
        cache.set(f"{session_id}_last_city", "上海")

# 当用户说 "明天呢" 时自动补全城市
def handle_followup(session_id, text):
    if "那" in text or "呢" in text:
        last_city = cache.get(f"{session_id}_last_city")
        if last_city:
            return mock_weather_api(last_city, "明天")

缓存高频查询结果（如城市 ID 映射表）
对天气 API 响应做本地缓存（TTL 设为 1 小时）
使用异步调用避免阻塞主线程

测试阶段：
用 pytest 写对话流程测试（样例见下文）
模拟网络延迟测试超时情况

# 测试用例示例
def test_weather_query():
    response = handle_message("user123", "北京天气")
    assert "北京" in response
    assert "温度" in response

    # 测试上下文保持
    response = handle_message("user123", "明天呢")
    assert "北京" in response