10分钟构建能主动提问的智能导购

怎样快速构建一个Multi-Agent架构的智能导购助手？以便通过多轮交互了解用户的具体需求，在收集完详细信息后，利用百炼的知识检索增强功能或您已有数据库进行商品搜索，为顾客推荐最合适的产品。

方案概览

当您去电器商城购买冰箱，您首先向前台发起询问哪里可以买到冰箱，前台将您带到了冰箱商店的位置；在冰箱商店，导购员向您询问想要什么参数的冰箱，并根据这些参数将合适的冰箱推荐给您。 类似的，您可以通过百炼的Assistant API 构建一个 Multi-Agent 架构的大模型应用实现智能导购，其中： 规划助理（Router Agent）是该应用的核心，它会参考对话历史与用户的输入，选择合适的助理进行回复。 手机导购、冰箱导购与电视导购接收规划助理的指派信息，主动向顾客询问商品参数偏好；在参数收集完成后，系统可以通过百炼应用进行智能商品检索，也可以使用SQL查询商品数据库，然后输出推荐的商品。 用户与各助理的对话历史可以为每个助理的决策提供参考依据。

效果展示图

快速体验

您可以通过我们提前准备好的函数计算应用模板，快速搭建并测试一个集成了智能导购的网站。详细步骤如下：

函数计算提供的 免费试用额度可以完全覆盖本案例所需资源消耗。额度消耗完后按量计费，对于本教程所涉及的 web 服务，只在有访问的情况下会产生费用。

1. 创建函数计算应用

您可以访问我们准备好的函数计算应用模板，快速搭建一个集成智能导购的网站。智能导购可以通过多轮交互，收集顾客心仪的商品信息，默认商品包含手机、电视与冰箱。参考下图选择直接部署并填写您的 API Key，您可以访问我的API-KEY来获取您的API Key。其它表单项保持默认，单击页面左下角的创建并部署默认环境，等待项目部署完成即可（预计耗时 1 分钟）。

百炼应用ID（可选）： 如果您计划使用百炼应用进行商品智能检索，请在创建应用时提供百炼应用ID，获取方式请参考 创建百炼商品检索应用并集成到智能导购中（可选）。 如果您计划使用商品数据库检索，此项可留空。 如果您决定后期集成百炼应用，可在创建函数计算应用后，通过环境变量配置方式添加您的百炼应用ID。

2. 访问网站

在函数计算应用部署完成后，您可以在跳转后的页面的环境信息中找到示例网站的访问域名，单击即可查看，确认示例网站已经部署成功。

3. 验证智能导购效果

智能导购会主动询问并收集需要的商品参数信息；收集完成后打印出参数信息。

在导购收集到顾客的商品参数偏好后，您可以通过查询商品数据库来返回商品。如果您想通过百炼应用来进行智能商品检索，请参考 创建百炼商品检索应用并集成到智能导购中（可选）。

关键代码

上述示例程序中用于意图识别的模块是规划助理（Router Agent）。经过规划助理的意图分类后，用户的问题会被传递给对应的手机导购 Agent、电视导购 Agent 或冰箱导购 Agent。

规划助理（Router 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
)

手机导购助理

电视导购助理

冰箱导购助理

选择不同的 Agent 进行回复

agent_map = {
    "意图分类": router_agent.id,
    "手机": mobilephone_guide_agent.id,
    "冰箱": fridge_guide_agent.id,
    "电视机": tv_guide_agent.id
}

def chat(input_prompt, thread_id):
    # 首先根据用户问题及 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)

    response_json = {
        "content": "",
    }
    # 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
        yield f"{json.dumps(return_json)}\n\n"
    # 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
            yield f"{json.dumps(response_json)}\n\n"

创建百炼商品检索应用并集成到智能导购中（可选）

在收集完客户的购买需求后，您可以借助这些需求描述进行商品检索和推荐。

在您的实际生产环境中，也可以替换为通过您的已有数据库检索。

操作步骤

总结

通过以上步骤，您搭建了一个集成了智能导购的网站，可以全天候向顾客提供商品推荐服务。本案例中的架构也适用于智能问诊、求职推荐等场景。

应用于生产环境

为了将智能导购适配到您的产品并应用于生产环境中，您可以：

1. 修改知识库。将您的商品信息作为知识库，同时您也可以在商品参数中添加商品详情页或下单页的链接，方便顾客进行浏览与下单。您也可以通过已有的数据库或其它服务中进行商品检索。

2. 修改源码中的prompt来适配到您的产品中。修改源码的步骤为：

   1. 回到应用详情页，在环境详情的最底部找到函数资源，点击函数名称，进入函数详情页。

   2. 进入函数详情页后，在代码视图中找到prompt.py、agents.py文件并进行修改。

      prompt.py定义了agent的功能以及询问参数的顺序等信息； agents.py创建了agent，以及生成回复的函数。

   3. 单击部署代码，等待部署完成即可。

3. 参考10分钟给网站添加AI助手中的应用于生产环境部分，将智能导购集成到您的网站中。

持续改进

建议在正式上线智能导购前，组织业务人员一起参与应用评测，确保智能导购的回复效果符合预期。如果不符合预期，可以通过优化提示词、完善补充私有知识等方法来改进回答效果。