Cherry Studio 智能体开发入门指南：从零构建你的第一个 AI 助手

1次阅读

共计 2379 个字符，预计需要花费 6 分钟才能阅读完成。

智能体（Agent）与传统程序最大的区别在于其主动性和交互性。传统程序被动执行预设指令，而智能体能理解自然语言、维护对话上下文，并自主调用工具完成任务。比如天气查询助手，不仅能回答 ” 今天天气如何 ”，还能跟进追问 ” 那明天呢 ” 并保持地点上下文。

典型应用场景包括：

智能客服（7*24 小时自动应答）
个人效率助手（会议安排、邮件处理）
游戏 NPC 角色（动态剧情响应）

安装 Python 3.8+（推荐使用 Anaconda 管理环境）
创建项目目录并安装核心依赖：

mkdir my_first_agent && cd my_first_agent
pip install cherry-studio-sdk requests python-dotenv

申请 API 密钥：在 Cherry Studio 控制台创建项目，获取CHERRY_API_KEY

创建基础文件结构：

my_first_agent/
├── .env           # 存放敏感配置
├── agent.py       # 主逻辑文件
└── requirements.txt

在 .env 中添加：

CHERRY_API_KEY=your_api_key_here
WEATHER_API_KEY=your_weather_api_key  # 示例用天气 API

# agent.py
from cherry_studio import AgentCore
from dotenv import load_dotenv
import os

load_dotenv()

class MyFirstAgent(AgentCore):
    def __init__(self):
        super().__init__(api_key=os.getenv('CHERRY_API_KEY'))

    def handle_message(self, user_input, context):
        """处理用户输入的入口方法"""
        # 示例：简单回声测试
        if "你好" in user_input:
            return "你好呀！我是你的第一个智能体助手", context

        return "我还在学习中，暂时不明白你的意思", context

if __name__ == "__main__":
    agent = MyFirstAgent()
    agent.run()  # 启动交互式对话

import requests

class MyFirstAgent(AgentCore):
    # ... 其他代码保持不变 ...

    def get_weather(self, location):
        """调用天气 API 的示例方法"""
        url = f"https://api.weatherapi.com/v1/current.json?key={os.getenv('WEATHER_API_KEY')}&q={location}"
        try:
            response = requests.get(url).json()
            return f"{location}当前天气：{response['current']['condition']['text']}，温度{response['current']['temp_c']}℃"
        except Exception as e:
            return f"获取天气失败：{str(e)}"

    def handle_message(self, user_input, context):
        # 新增天气查询意图识别
        if "天气" in user_input:
            location = context.get("location", "北京")  # 默认地点
            if "在哪" in user_input:  # 处理地点追问
                return "请告诉我你想查询哪个城市的天气？", context

            return self.get_weather(location), {"last_intent": "weather", "location": location}

        # ... 其他处理逻辑 ...

def handle_message(self, user_input, context):
    last_intent = context.get("last_intent")

    # 处理上下文延续（如连续问不同地点的天气）if last_intent == "weather" and "上海" in user_input:
        return self.get_weather("上海"), {**context, "location": "上海"}

    # 处理否定回答（用户不想继续）if "不用了" in user_input or "结束" in user_input:
        return "好的，随时可以再问我哦", {}