Agent Skills决策树入门指南：从原理到实战避坑

1次阅读

没有评论

共计 2614 个字符，预计需要花费 7 分钟才能阅读完成。

在开发智能体（Agent）时，我们经常需要处理复杂的决策逻辑。传统的 if-else 方案在面对简单场景时还能应付，但随着规则增多会暴露出明显问题：

维护成本高：嵌套层级深时难以阅读和修改
扩展性差：新增规则可能影响现有逻辑
调试困难：难以直观追踪决策路径

决策树通过树形结构组织决策逻辑，将复杂判断拆分为多个节点，每个节点只关注单一条件。这种分治思想让代码更符合人类思维模式。

适用场景：明确的阶段性状态转换
优点：状态流转清晰
缺点：状态爆炸问题

适用场景：游戏 AI 等需要行为组合的场景
优点：节点可复用性强
缺点：学习曲线较陡

适用场景：基于条件的多分支决策
优点：结构直观易理解
缺点：深度过大时效率下降

from abc import ABC, abstractmethod
from typing import Any, Optional

class DecisionNode(ABC):
    def __init__(self, name: str):
        self.name = name
        self._children: list[DecisionNode] = []

    @abstractmethod
    def evaluate(self, context: Any) -> bool:
        """评估当前节点条件是否满足"""
        pass

    @abstractmethod
    def execute(self, context: Any) -> Any:
        """执行节点对应动作"""
        pass

    def add_child(self, node: 'DecisionNode') -> None:
        self._children.append(node)

    # 时间复杂度：O(n) n 为子节点数
    def decide(self, context: Any) -> Optional[Any]:
        if self.evaluate(context):
            result = self.execute(context)
            for child in self._children:
                if (child_result := child.decide(context)) is not None:
                    return child_result
            return result
        return None

class AgeCheckNode(DecisionNode):
    def __init__(self, threshold: int):
        super().__init__(f"AgeCheck_{threshold}")
        self.threshold = threshold

    def evaluate(self, context: dict) -> bool:
        try:
            return context['age'] >= self.threshold
        except KeyError:
            raise ValueError("Context missing'age'field")

    def execute(self, context: dict) -> str:
        return f"Age {context['age']} meets threshold {self.threshold}"

# 构建示例树结构
root = AgeCheckNode(18)
child1 = AgeCheckNode(30)
child2 = AgeCheckNode(60)

root.add_child(child1)
child1.add_child(child2)

# 测试决策
context = {'age': 35}
print(root.decide(context))  # 输出："Age 35 meets threshold 30"

预剪枝：在构建时设置最大深度限制
后剪枝：通过分析决策路径移除冗余节点

from functools import lru_cache

class CachedDecisionNode(DecisionNode):
    @lru_cache(maxsize=128)
    def decide(self, context: Any) -> Optional[Any]:
        return super().decide(context)

对共享状态使用线程锁
考虑使用不可变上下文对象

def detect_cycle(node: DecisionNode, visited: set = None) -> bool:
    if visited is None:
        visited = set()

    if id(node) in visited:
        return True

    visited.add(id(node))
    return any(detect_cycle(child, visited.copy()) for child in node._children)

明确节点执行顺序
添加优先级权重字段

import logging

class LoggingDecisionNode(DecisionNode):
    def decide(self, context: Any) -> Optional[Any]:
        logging.info(f"Evaluating node {self.name}")
        return super().decide(context)

import unittest

class TestDecisionTree(unittest.TestCase):
    def setUp(self):
        self.tree = build_sample_tree()

    def test_age_threshold(self):
        self.assertEqual(self.tree.decide({'age': 20}),
            "Expected output"
        )