共计 2198 个字符，预计需要花费 6 分钟才能阅读完成。

新手开发 Skill 的常见痛点

刚开始接触 Skill 开发时，很容易陷入一些典型误区。我自己踩过的坑包括：把所有逻辑堆在一个文件里（后来发现修改时牵一发而动全身）、用全局变量管理对话状态（测试时各种状态互相污染）、没有考虑异常情况（用户输入意外内容时直接崩溃）。这些问题最后都导致了同一个结果——代码难以维护和扩展。

从 SOLID 原则出发的设计思路

后来通过学习软件设计原则，发现 SOLID 原则特别适合指导 Skill 开发：

• 单一职责原则 ：每个 Handler 只处理一种用户意图
• 开闭原则 ：通过继承扩展功能，而不是修改原有代码
• 依赖倒置 ：高层模块不依赖低层细节，都依赖抽象接口

比如处理天气查询的 Skill，我会拆分成：

1. WeatherIntentHandler（处理天气查询核心逻辑）
2. LocationParser（专门解析地理位置）
3. WeatherAPI（隔离第三方 API 调用）

三层架构实战演示

表现层（Presentation）

class AlexaHandler:
    def handle(self, event):
        # 转换平台原始请求
        intent = parse_intent(event)
        return BusinessLayer().process(intent)

业务层（Business）

class WeatherService:
    def get_weather(self, location):
        try:
            data = WeatherAPI().fetch(location)
            return self._format_response(data)
        except APIError as e:
            return ErrorHandler.handle(e)

数据层（Data）

class WeatherAPI:
    @retry(max_attempts=3)
    def fetch(self, location):
        response = requests.get(f"https://api.weather.com/{location}")
        response.raise_for_status()
        return response.json()

状态管理的正确姿势

用状态模式替代复杂的 if-else 嵌套：

class ConversationState:
    def handle(self, context):
        pass

class InitialState(ConversationState):
    def handle(self, context):
        if context.user_said("查询天气"):
            context.transition_to(AskingLocationState())
            return "请问您想查询哪个城市的天气？"

class AskingLocationState(ConversationState):
    def handle(self, context):
        location = parse_location(context.user_input)
        weather = WeatherService().get_weather(location)
        context.transition_to(InitialState())
        return weather

必须掌握的异常处理技巧

1. 区分业务异常和技术异常
2. 实现优雅降级
3. 添加重试机制

def get_weather(location):
    try:
        return _call_api(location)
    except LocationParseError:
        return "抱歉，我不明白您说的地点"
    except APIError:
        return "天气服务暂时不可用"
    except Exception:
        logger.exception("Unexpected error")
        return "系统开小差了，请稍后再试"

性能优化的四个关键点

1. 对话状态缓存 ：使用 Redis 而不是内存存储
2. 懒加载 ：非必要资源延迟初始化
3. 异步处理 ：耗时操作放到后台任务
4. 连接池 ：数据库 /API 连接复用

# 使用连接池示例
from urllib3 import PoolManager

http = PoolManager(maxsize=5)

def call_api():
    response = http.request('GET', 'https://api.example.com')
    return response.data

新手避坑指南

1. 不要用全局变量 ：会导致测试困难和状态污染
2. 改用依赖注入
3. 避免超长函数 ：超过 50 行就该考虑拆分
4. 用类和方法组织代码
5. 忽略超时处理 ：网络请求必须设置 timeout
6. requests.get(url, timeout=3)
7. 硬编码配置 ：将配置外置到环境变量
8. 使用 python-decouple 库
9. 缺乏日志 ：关键操作都要添加日志
10. 配置 logging.basicConfig

立即见效的三个改进建议

1. 从今天开始为每个 Handler 编写单元测试
2. 使用 type hints 提高代码可读性
3. 用 mypy 做静态类型检查

# 带类型提示的示例
def get_weather(location: str) -> str:
    """ 获取天气信息
    Args:
        location: 城市名称
    Returns:
        格式化后的天气信息
    """
    pass

思考与延伸

1. 如何设计多轮对话的上下文管理，使其既能记住历史又不会过度消耗内存？
2. 当需要支持多个语音平台（Alexa/ 小爱同学 /Google Assistant）时，如何最大化代码复用？