Tavily Skill 入门指南：从零开始构建你的第一个智能技能

5次阅读

共计 1830 个字符，预计需要花费 5 分钟才能阅读完成。

Tavily Skill 是一种允许开发者构建智能交互能力的平台，类似于 Alexa Skills 或 Google Actions。通过 Tavily Skill，你可以创建能够理解自然语言、执行任务并提供响应的智能应用。

核心组件：包括意图（Intents）、话语（Utterances）、槽位（Slots）和响应（Responses）
典型应用场景：智能家居控制、信息查询、娱乐互动、生产力工具等
优势特点：
低代码开发体验
自然语言处理内置
多平台部署能力

注册开发者账号
访问 Tavily 开发者门户
完成邮箱验证和基本信息填写
安装必要工具
Node.js 16+（推荐使用 nvm 管理版本）
Tavily CLI：npm install -g @tavily/cli
代码编辑器（VS Code 推荐）

初始化项目

mkdir my-first-skill
cd my-first-skill
tavily init

在 skill.json 中配置：

{
  "name": "天气查询",
  "description": "查询指定城市的当前天气",
  "invocationName": "天气助手"
}

在 handlers/weather.js 中：

// 天气查询处理程序
export const handler = {canHandle(handlerInput) {
    return handlerInput.requestEnvelope.request.type === 'IntentRequest'
      && handlerInput.requestEnvelope.request.intent.name === 'WeatherIntent';
  },
  async handle(handlerInput) {
    // 获取城市参数
    const city = handlerInput.requestEnvelope.request.intent.slots.city.value;

    // 调用天气 API（伪代码）const weather = await getWeather(city);

    // 构建响应
    return handlerInput.responseBuilder
      .speak(`${city}的当前天气是 ${weather}`)
      .getResponse();}
};

在 models/en-US.json 中定义：

{
  "interactionModel": {
    "languageModel": {
      "intents": [
        {
          "name": "WeatherIntent",
          "slots": [
            {
              "name": "city",
              "type": "AMAZON.City"
            }
          ],
          "samples": ["{city}的天气",
            "查询 {city} 的天气情况"
          ]
        }
      ]
    }
  }
}

本地测试
```
tavily simulate "查询北京的天气"
```
调试工具
使用 tavily logs 查看实时日志
配置 .env 文件设置调试模式：
```
DEBUG=true
```
测试技巧
边界测试：空值、特殊字符、超长输入
语音识别测试：不同发音和口音

构建技能包
```
tavily build
```
部署命令
```
tavily deploy --env production
```
注意事项
确保所有环境变量已正确配置
检查 API 调用配额限制
设置合适的超时时间（建议 <5 秒）

Q：如何处理未识别的意图？
A：创建 FallbackIntent 处理未知请求

export const fallbackHandler = {canHandle() {return true;},
  handle(handlerInput) {
    return handlerInput.responseBuilder
      .speak("抱歉，我没听懂您的请求")
      .reprompt("请再说一次？")
      .getResponse();}
};