AI Agent与Skill开发实战：从零构建智能代理系统

5次阅读

共计 1960 个字符，预计需要花费 5 分钟才能阅读完成。

传统程序就像按剧本演戏的演员，而 AI Agent 更像是即兴发挥的喜剧大师。最大的区别在于：传统程序只能按照预设流程执行，遇到没见过的场景就卡壳；而 AI Agent 具备自主决策能力，能通过 Skill 组合应对复杂场景。比如智能客服中，传统系统遇到 ” 我要退货但发票丢了 ” 可能直接死机，而 Agent 能自动组合订单查询、例外政策、补偿建议等多个 Skill 解决问题。

想象 Agent 是个餐厅，各组件是这样协作的：

接待台（Input Adapter）：接收语音 / 文本输入，就像接待员记录顾客需求
厨房（Skill Pool）：每个 Skill 是位专业厨师，菜单越丰富能力越强
厨师长（Decision Engine）：根据顾客需求和当前情况（上下文）决定调用哪位厨师
传菜员（Output Adapter）：把做好的菜（响应）按顾客喜欢的口味摆盘

关键数据流：用户输入 → 意图识别 → 槽位填充 → Skill 匹配 → 执行 → 响应生成 → 状态更新

import asyncio
from datetime import datetime
import logging

class WeatherSkill:
    """
    天气预报技能模块
    Weather forecast skill module
    """
    def __init__(self):
        self.logger = logging.getLogger(__name__)

    async def get_weather(self, city: str, date: str = None) -> dict:
        """
        获取指定城市天气
        Get weather for specified city
        """
        try:
            # 模拟 API 调用耗时
            await asyncio.sleep(0.1)

            if not date:
                date = datetime.now().strftime('%Y-%m-%d')

            # 这里应该是真实 API 调用，示例用模拟数据
            return {
                'city': city,
                'date': date,
                'weather': '晴',
                'temperature': '25℃'
            }
        except Exception as e:
            self.logger.error(f"天气查询失败: {str(e)}")
            return {'error': '服务暂时不可用'}

# 单元测试示例
import unittest

class TestWeatherSkill(unittest.TestCase):
    def setUp(self):
        self.skill = WeatherSkill()

    async def test_normal_query(self):
        result = await self.skill.get_weather("北京")
        self.assertIn('weather', result)

# 注册到 Agent 的示例
from agent_core import Agent

agent = Agent()
agent.register_skill(
    name="weather",
    skill=WeatherSkill(),
    intent_patterns=["查询天气", "明天会下雨吗"]
)

当多个 Skill 同时匹配时，引擎这样裁决：