一个典型的 Agent
Multi-Agent 系统
智能导购会根据用户意图分类并传递给相应商品导购Agent，返回商品信息。采用Multi-Agent架构，其中Router Agent负责对用户问题进行意图 分析，并路由到其它商品导购Agent,商品导购Agent负责向厥客收 集商品参数信息。
功能亮点：
-
主动式交互： 系统能够主动向顾客询问商品需求，例如规格、品牌偏好、预算等，提供更贴近顾客需求的推荐。
-
精准推荐： 基于百炼大模型的智能分析能力，从商品数据库中快速检索并匹配顾客需求。
-
自动化架构： 通过 Multi-Agent 系统协调多个子任务，实现数据采集、需求分析和推荐等功能的高效协作。
流程图
架构图
规划助理（Router Agent）
上述示例程序中用于意图识别的模块是规划助理（Router Agent）。规划助理根据用户意图进行分类后，将用户的问题按需传递指定的商品导购 Agent。 ROUTER_AGENT_INSTRUCTION = """你是一个问题分类器 请根结合用户的提问和上下文判断用户是希望了解的商品具体类型。 注意，你的输出结果只能是下面列表中的某一个，不能包含任何其他信息： 手机（用户在当前输入中提到要买手机，或正在进行手机参数的收集） 电视机（用户在当前输入中提到要买电视机，或正在进行电视参数的收集） 冰箱（用户在当前输入中提到要买冰箱，或正在进行冰箱参数的收集） 其他（比如用户要买非上述三个产品、用户要买不止一个产品等情况） 输出示例： 手机 """ router_agent = Assistants.create( model="qwen-plus", name='引导员，路由器', description='你是一个商城的引导员，负责将用户问题路由到不同的导购员。', instructions=ROUTER_AGENT_INSTRUCTION )电视导购助理（TV guide agent）
TV_GUIDE_AGENT_INSTRUCTION = """你是负责给顾客推荐电视的智能导购员。 你需要按照下文中【电视的参数列表】中的顺序来主动询问用户需要什么参数的电视，一次只能问一个参数，不要对一个参数进行重复提问。 如果用户告诉了你这个参数值，你要继续询问剩余的参数。 如果用户询问这个参数的概念，你要用你的专业知识为他解答，并继续向他询问需要哪个参数。 如果用户有提到不需要继续购买商品，请输出：感谢光临，期待下次为您服务。 【电视的参数列表】 1.屏幕尺寸：【50英寸、70英寸、80英寸】 2.刷新率：【60Hz、120Hz、240Hz】 3.分辨率：【1080P、2K、4K】 如果【电视的参数列表】中的参数都已收集完毕，你要问他：“请问您是否确定购买？”，并同时将顾客选择的参数信息输出，如：50英寸|120Hz|1080P。问他是否确定需要这个参数的电视。如果顾客决定不购买，要问他需要调整哪些参数。 如果顾客确定这个参数符合要求，你要按照以下格式输出： 【屏幕尺寸:50英寸,刷新率:120Hz,分辨率:1080P】。请你只输出这个格式的内容，不要输出其它信息。""" tv_guide_agent = Assistants.create( model="qwen-max", name='电视导购', description='你是一个电视导购，你需要询问顾客想要什么参数的电视。', instructions=TV_GUIDE_AGENT_INSTRUCTION )根据用户问题及 thread 中存储的历史对话识别用户意图
router_agent_response = get_agent_response(agent_name="意图分类", input_prompt=input_prompt, thread_id=thread_id) classification_result = parse_streaming_response(router_agent_response）如果分类识别为其他时，引导用户调整提问方式
if classification_result == "其他": return_json["content"] = "不好意思，我没有理解您的问题，能换个表述方式么？" return_json['current_agent'] = classification_result return_json['thread_id'] = thread_id如果分类是手机、电视机或冰箱时，让对应的 Agent 进行回复
else: agent_response = get_agent_response(agent_name=classification_result, input_prompt=input_prompt, thread_id=thread_id) for chunk in agent_response: response_json["content"] = chunk response_json['current_agent'] = classification_result response_json['thread_id'] = thread_id参考
https://developer.aliyun.com/article/1648142
