本文会从Agent——>Agent组成部分——>mult-agent——>主流Agent框架——>LongGraph——>智能机票售后Mult-agent实战（基于LongGraph框架+携程实际锁单和催出票场景结合）——>如何测试Agent，需要一点点大模型基础 image-20250620011723979

一、什么是 Agent？

“Agent”在人工智能里可以理解为一个自主的智能体，它相较于大模型更具备感知、思考、决策并执行任务。

一个 Agent 通常具备以下能力：

  • 感知（Perception）：接收外界信息，比如用户输入。
  • 决策（Reasoning）：思考并判断下一步怎么做。
  • 执行（Action）：执行行为，比如输出内容或调用接口。
  • 学习（Learning）：部分高级 Agent 还能优化策略。

🧩 举个例子：

你和一个「天气小助手」聊天，问“明天北京天气”，它接收你输入（感知），决定调用天气 API（决策），获取数据后告诉你（执行）——这就是一个简单 Agent。

image-20250619225849155

L0 ~L2级别，都是需要人类驾驶员驾驶，无论辅助驾驶功能是否介入，即使脚个在踏板上或手没有转向，需要监控辅助驾驶功能，能制动或加速以保证安全。
L3级别，人类驾驶员不驾驶，即使坐在驾驶座上，当功能请求时需要人类驾驶员接管。
L4级别，人类驾驶员不驾驶，自动驾驶功能也不需要请求驾驶员接管。
L5级别，人类驾驶员不驾驶，自动驾驶功能在任何情况下都能驾驶车辆。

二、AI Agent的组成部分

🧠 1. 大脑（LLM - 大语言模型）

  • 功能：作为Agent的推理中枢，负责理解任务、生成规划、决策行动路径。
  • 关键技术：
    • 思维链（Chain-of-Thought）：将复杂任务拆解为子步骤（例如：用户要求“分析销售数据并生成报告” → 拆解为“查询数据库→数据清洗→趋势分析→图表生成→报告撰写”。
    • 反思与优化：通过自我批评修正错误（如代码执行失败后重新调试）。
  • 示例：ChatGPT作为核心大脑驱动AutoGPT，规划多步骤任务如自动编写程序。

🗃️ 2. 记忆系统（Memory）

  • 短期记忆：存储当前对话上下文（受限于模型的Token窗口），用于即时推理。
  • 长期记忆：通过向量数据库存储历史数据，支持快速检索（例如：用户偏好、项目历史记录）。
  • 示例：医疗Agent调用长期记忆中的患者病史，结合当前症状生成诊断建议5。

📅 3. 规划能力（Planning）

将抽象目标转化为可执行步骤，包含五类方法：

  • 任务分解（如MetaGPT将软件开发分为需求分析、设计、编码、测试）。
  • 多计划择优：生成多个备选方案并选择最优路径。
  • 外部模块辅助：调用专业工具（如调用数学库解方程）。
  • 反思调整：根据执行结果动态修正计划。
  • 示例：旅行规划Agent分解任务为“查天气→订机票→推荐行程”。

🛠️ 4. 工具调用（Tools）

  • 功能：扩展Agent能力边界，使其能操作外部系统或获取实时数据。
  • 工具类型：
    • API调用（如搜索引擎、天气查询）。
    • 代码解释器（执行Python脚本生成图表）。
    • 硬件控制（如智能家居开关）。
  • 示例：用户输入“绘制深圳气温趋势图”，Agent调用天气API获取数据，再用Code Interpreter生成图表

看不懂就对了，直接看下面的图一目了然 image-20250620012029710

image-20250619234014843

三、什么是 Multi-Agent 系统？

Multi-Agent 系统是多个 Agent 的组合协作网络，每个 Agent 各司其职，像一个智能小分队。

🔁 多 Agent 系统可以：

  • 拆分复杂任务，让每个 Agent 只做自己擅长的部分。
  • 像流水线一样协作，提高效率。
  • 通过大模型理解复杂输入、处理自然语言。

四、市面上主流的 Agent 框架

Part1：Agent 框架入门区（面向产品/前端/运营）

  • Coze：零代码 AI 智能体平台 🎉🎉🎉
  • Dify：低代码 LLM 应用开发平台 （垃圾，谁家卖课的讲这个趁早拉黑）
  • LangFlow：可视化 LangChain工作流编辑器

Part2：进阶/研究区（面向后端/AI 工程师/科研）

  • LangChain、langGraph：通用级 AI 编排框架、连续任务处理、多轮对话 🎉🎉🎉🎉🎉
  • AutoGen：微软多智能体对话编排 🎉🎉🎉🎉
  • CrewAI：多智能体团队+Flow 模型
  • Semantic Kernel：微软企业级 Agent SDK
  • Letta(MemGPT)：持久记忆、多用户 Agent 环境 🎉🎉🎉
  • LlamaIndex：RAG 与企业私有知识 Agent 框架
  • OpenAI Agents SDK：升级版 Swarm，简约高效 🎉🎉🎉🎉

五、LangGraph 框架介绍

LangGraph 是一种“流程导向”的智能 Agent 框架，核心概念：

  • 🟢 每个 Agent 是一个节点（node）
  • 🔁 Agent 之间通过边（edge）连接形成状态流转
  • 🌳 可以编排成状态图（StateGraph）
  • 🧠 支持大模型判断条件跳转
  • ✅ 兼容大模型调用与外部 API

它适合：

得赶紧进入实战，不然一会儿就忘了 image-20250620012443177

六、智能机票售后Mult-agent实战

原来的通过询问酒店日期锁单场景：prompt提示内容太多，就单一个日期锁单场景其实可以拆分成错别字Agent+方言Agent+日期核对Agent

image-20250619235913993

咱们项目结构图：

agent

项目下载：https://phaseless-1302070788.cos.ap-shanghai.myqcloud.com/pythonProject/AirpotTicketAgent.7z

七：如何测试Agent or 大模型？

同行热门方案：文本向量模型+大模型辅助 image-20250620012901741

承接六，即然我们设计出来了mult-agent，顺便来测试一下大模型是否回复准确

🎯 总体介绍

这是一个用于测试 机票智能售后系统中大模型回复是否准确 的自动化测试类。它的核心目标是：

  1. **确保大模型的回复不偏题**，例如用户问“什么时候出票”，大模型要“安抚+解释”而不是跑题；
  2. **确保模糊取消订单话术能精准识别并锁定正确订单号**。

🧠 第一部分：文本向量模型 & 相似度判断

🔹什么是文本向量？为什么要这样做？

📘 现实问题：

计算机无法直接“理解”文字，只能处理数字。

我们想比较两个句子是不是意思相近，比如：

  • 用户说：“什么时候出票？”
  • 智能客服答：“订单正在出票中，请耐心等待。”

人类能理解这两个是一回事，但计算机不行。怎么办？

🔍 解决方案：将文本转换成向量（Embedding）

举例：

句子文本向量（简化）
“什么时候出票”[0.1, -0.3, 0.9]
“订单正在出票中”[0.12, -0.31, 0.89]

这个向量是由一个 预训练模型（如 MiniLM、BERT） 通过“压缩语言意义”方式生成的。

它的本质是让 语义相似的句子向量靠得近，语义不同的就远。

🔹 本项目使用的是哪种模型？

我们用的是 Sentence Transformers 中的：

SentenceTransformer("all-MiniLM-L6-v2")

这个模型专门用来做“句子级别”的语义理解，速度快、效果好。

🔹 如何计算相似度？

我们使用**余弦相似度（Cosine Similarity）**来比较两个句子语义是否接近：

similarity = cos(θ) = A·B / (||A|| * ||B||)

  • A·B 是点积（向量元素相乘后求和）；

    ||A|| 是向量 A 的长度（平方和开根号）；

  • 当两个句子的语义方向一致时，相似度接近 1；

  • 当语义完全不同时，相似度接近 0。

我们设定阈值为 0.7，表示相似度大于 0.7 就认为大模型回复“接近我们期望”。

🧑‍🏫 第二部分：大模型如何参与判断

🔹 向量判断只是第一层，为什么还要大模型？

因为：

  • 向量模型可能忽略细节逻辑错误；
  • 或者句子长短差异大时，向量相似度不稳定。

所以我们加入了 第二道保险：用大模型直接判断这句话合不合理。

🔹 具体做法：

我们设置一个明确的指令给大模型：

python复制编辑你是一个质量检查助手...
判断这段话是否合理，并属于安抚用户的出票解释。
只返回：合理 / 不合理

把大模型生成的回复当成“考试答案”交给它判分。只有两个结果：

  • ✅ 合理 → 通过
  • ❌ 不合理 → 报错

🔄 总结流程图（简化）

css复制编辑           用户输入（测试话术）
                  ↓
        模拟对话流程生成回复
                  ↓
    ┌─────────────┴─────────────┐
    ↓                           ↓
[向量模型判断相似度]       [大模型逻辑检查]
> 0.7 ？通过           回复是否跑题？合理？
                  ↓
            ✅ 全部通过

结束！累死我了，如果你看不懂，那就看不懂吧，帅老师后续会录制视频讲解，敬请期待
作业：美团京东淘宝外卖竞争激烈，帮我设计一个智能体，定时去抢三家平台的优惠券，对比最划算的优惠券然后通知我
思考：如果为了测试Agent而写更复杂的测试逻辑，甚至资源消耗也很多，那么这个还有必要测试吗？？？