AI Skill开发实战：从零开始编写你的第一个智能技能

2次阅读

没有评论

共计 2303 个字符，预计需要花费 6 分钟才能阅读完成。

AI 技能是指通过自然语言交互完成特定任务的智能程序，典型应用包括：

智能客服（自动回答常见问题）
语音助手（设置提醒、播放音乐）
行业工具（医疗问诊、法律咨询）

据 Gartner 预测，到 2025 年 50% 的企业知识工作将依赖对话式 AI。开发者的核心挑战在于：

准确理解用户意图
维护多轮对话上下文
与业务系统无缝集成

通过调研 100+ 初学项目，我们发现主要瓶颈集中在：

意图混淆 ：” 查天气 ” 和 ” 订机票 ” 被识别为同类意图
对话断裂 ：用户说 ” 上一条 ” 时丢失历史上下文
异常崩溃 ：未处理 ” 我想预订火星上的酒店 ” 这类边缘输入
响应延迟 ：同步调用导致 3 秒以上的等待
部署困难 ：本地运行的技能无法迁移到云服务

使用 Python 3.8+ 创建最小化技能框架：

class BaseSkill:
    def __init__(self):
        self.session = {}  # 存储会话状态

    def process_request(self, user_input: str) -> dict:
        """处理用户输入的入口方法"""
        try:
            intent = self._detect_intent(user_input)
            response = self._handle_intent(intent)
            return {"status": "success", "data": response}
        except Exception as e:
            return {"status": "error", "message": str(e)}

import re

def regex_intent_detector(text: str) -> str:
    patterns = {"weather": r"( 天气 | 下雨 | 气温)",
        "order": r"(预订 | 下单 | 购买)"
    }
    for intent, pattern in patterns.items():
        if re.search(pattern, text):
            return intent
    return "unknown"

使用 scikit-learn 实现分类器：

from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.linear_model import LogisticRegression

class MLIntentClassifier:
    def __init__(self):
        self.vectorizer = TfidfVectorizer()
        self.model = LogisticRegression()

    def train(self, texts: list, labels: list):
        """训练样本示例: texts=[" 今天天气如何 "," 我要订票 "], labels=["weather","order"]"""
        X = self.vectorizer.fit_transform(texts)
        self.model.fit(X, labels)

    def predict(self, text: str) -> str:
        vec = self.vectorizer.transform([text])
        return self.model.predict(vec)[0]

实现基于 session 的上下文追踪：

def handle_weather_intent(self, user_input: str):
    # 首次询问时需要城市参数
    if not self.session.get("city"):
        city = extract_city(user_input)  # 自定义实体抽取函数
        if not city:
            return "请问您想查询哪个城市的天气？"
        self.session["city"] = city

    # 第二次可直接响应
    return f"{self.session['city']} 的天气是晴天，25℃"

调用第三方天气 API：

import aiohttp

async def get_weather(city: str):
    url = f"https://api.weather.com/v1?city={city}"
    async with aiohttp.ClientSession() as session:
        try:
            async with session.get(url, timeout=3) as resp:
                return await resp.json()
        except asyncio.TimeoutError:
            return {"error": "API 请求超时"}