Dify Agent Skill 入门指南：从零构建你的第一个智能代理

1次阅读

共计 2544 个字符，预计需要花费 7 分钟才能阅读完成。

智能代理（Agent）正在成为现代应用开发的重要组件，它让机器能够理解人类语言并完成复杂任务。通过 Dify 平台提供的 Agent Skill（技能）体系，开发者可以快速构建具备专业领域能力的对话服务，大幅降低 NLP（自然语言处理）技术的落地门槛。

在 Dify 框架中，智能服务的组织遵循三层结构：

Agent：顶级容器，代表一个完整的智能服务实例，例如 ” 客服助手 ” 或 ” 旅行顾问 ”
Skill：具体能力单元，每个 Agent 包含多个 Skill，例如 ” 航班查询 ”、” 酒店预订 ” 等模块
Intent：意图识别单元，每个 Skill 包含多个意图处理逻辑，例如 ” 查询今日天气 ”、” 查询明日天气 ” 等具体指令

graph TD
    A[Agent] --> B[Skill 1]
    A --> C[Skill 2]
    B --> D[Intent A]
    B --> E[Intent B]
    C --> F[Intent C]

name: weather_query
description: 提供全球城市天气预报服务
slots:
  - name: city
    type: string
    required: true
  - name: date
    type: string
    default: today
intents:
  - name: current_weather
    examples:
      - "{city}天气怎么样"
      - "查询 {city} 气温"
  - name: forecast_weather
    examples:
      - "{city}明天天气"
      - "{city}周末天气预报"

from typing import Dict, Any
import httpx
from datetime import datetime

async def handle_weather_intent(params: Dict[str, Any]) -> Dict[str, Any]:
    """
    :param params: 包含 city 和 date 参数的字典
    :return: 结构化天气数据
    """
    try:
        async with httpx.AsyncClient(timeout=10.0) as client:
            # 示例 API 调用，实际需替换为真实天气服务
            resp = await client.get(f"https://api.weather.com/v1/{params['city']}/forecast",
                params={"date": params.get("date", "today")}
            )
            resp.raise_for_status()
            data = resp.json()

            return {"temperature": data["current"]["temp"],
                "condition": data["current"]["condition"],
                "timestamp": datetime.now().isoformat()
            }
    except httpx.HTTPStatusError as e:
        return {"error": f"天气服务异常: {e.response.status_code}"}
    except Exception as e:
        return {"error": f"处理请求时出错: {str(e)}"}

from dify.agent import DialogueManager

class WeatherDialogue(DialogueManager):
    def __init__(self):
        super().__init__()
        self.context = {}

    async def handle_message(self, user_input: str) -> str:
        # 意图识别
        intent = await self.recognize_intent(user_input)

        # 槽位填充
        if not self.context.get("city"):
            return "请问您要查询哪个城市的天气?"

        # 调用处理函数
        result = await handle_weather_intent({"city": self.context["city"],
            "date": self.context.get("date", "today")
        })

        # 生成自然语言响应
        if "error" in result:
            return f"抱歉，查询失败: {result['error']}"

        return (f"{self.context['city']}天气:"
            f"{result['condition']}，气温{result['temperature']}℃"
        )

为每个意图添加至少 5 个差异化示例
设置优先级权重（priority 字段）
使用 exclude_intents 明确排除冲突场景

预加载常用技能模型
实现 LRU 缓存策略
按需加载非核心技能

# 在 FastAPI 等框架中的使用示例
from fastapi import FastAPI
from dify.agent import AgentRuntime

app = FastAPI()
agent = AgentRuntime(skills=["weather_query"])

@app.post("/chat")
async def chat_endpoint(query: str):
    return await agent.process(query)