AI智能体开发课件第15章

AI智能体开发新手必修课第15章：核心实战案例（ADK）讲师：资深AI工程师|日期：2026年3月目录案例一：产品创意大师多智能体协作实现创新方案生成，探索AI协同潜力。案例二：跨境支付汇率计算器工具调用实现实时汇率计算，提升业务处理效率。案例三：智能客服会话带记忆的客服机器人实现，提供连贯的用户体验。案例四：智能电商客服会话结合RAG技术的智能电商客服，精准回答复杂问题。互动实操：智能电商客服动手实践，从零开始构建一个完整的智能客服系统。常见问题排查与总结解决开发中的常见疑难杂症，回顾本章核心知识点。智能体开发实战课程系列·目录概览案例一：产品创意大师任务目标定义市场分析、用户画像、技术可行性等子智能体，通过并行收集信息并串行传递给主脑Agent，最终输出创新方案。实现思路定义多个子智能体，每个负责特定任务主脑Agent调用子智能体，并行收集信息主脑Agent汇总结果，生成最终创新方案核心价值：通过多智能体协作，打破单一模型局限，提升创意生成的深度与广度产品创意大师代码示例（1）fromadkimportagent#定义市场分析Agentmarket_agent=agent.Agent(name="市场分析Agent")market_agent.set_prompt("分析当前市场趋势，提供市场机会。")#定义用户画像Agentuser_agent=agent.Agent(name="用户画像Agent")user_agent.set_prompt("分析目标用户的需求和痛点，提供用户画像。")#定义技术可行性Agenttech_agent=agent.Agent(name="技术可行性Agent")tech_agent.set_prompt("分析技术可行性，提供技术方案。")代码解析这段代码定义了三个子智能体：市场分析Agent、用户画像Agent和技术可行性Agent，每个子智能体负责一个特定的任务。通过设置不同的Prompt，让AI专注于特定领域的分析与输出。产品创意大师代码示例（2）main_agent.py#定义主脑Agentmain_agent=agent.Agent(name="主脑Agent")#主脑Agent调用子智能体market_result=main_agent.call_agent(market_agent)user_result=main_agent.call_agent(user_agent)tech_result=main_agent.call_agent(tech_agent)#汇总结果，生成创新方案innovation_plan=f"{market_result}..."代码逻辑解析1.定义主脑：初始化一个名为“主脑Agent”的核心智能体。2.协同调用：并行或串行调用市场、用户、技术三个子智能体，获取专业数据。3.结果融合：汇总多维数据，通过格式化字符串生成最终的创新方案。核心价值：通过主脑Agent的统筹与分发，实现多领域专家知识的协同，打破单一视角局限，高效产出高质量创新方案。案例二：跨境支付汇率计算器任务目标：定义一个工具函数（获取实时汇率），智能体根据用户提问，决定是否调用该工具并计算结果。实现思路：定义工具函数，获取实时汇率数据。智能体分析用户提问，识别是否需要调用汇率工具。若需调用，则执行工具函数并计算最终结果反馈给用户。跨境支付汇率计算器代码示例（1）fromadkimporttool@tool(name="get_exchange_rate",description="获取实时汇率")defget_exchange_rate(from_currency:str,to_currency:str)->float:"""获取实时汇率，参数为源货币和目标货币代码"""#调用汇率API获取实时汇率，此处省略具体实现return7.2代码解析核心功能：定义了工具函数get_exchange_rate，用于获取实时汇率数据。关键装饰器：使用@tool装饰器进行注册，指定了工具名称和描述，便于系统识别和调用。通过简单的几行代码，即可实现复杂的跨境支付汇率计算功能，体现了模块化开发的高效性。跨境支付汇率计算器代码示例（2）fromadkimportagent#创建智能体agent=agent.Agent()#注册工具并处理用户提问agent.register_tool(get_exchange_rate)query="100美元等于多少人民币？"if"美元"inquery:rate=agent.call_tool("get_exchange_rate",{"from":"USD","to":"CNY"})print(f"100美元等于{100*rate}人民币")代码逻辑解析这段代码展示了智能体如何处理复杂的工具调用请求。智能体首先识别用户意图中的“美元”和“人民币”关键词，然后自动调用注册的汇率查询工具获取实时汇率，最后结合用户输入的金额（100）进行计算并输出结果。案例三：智能客服会话任务目标实现一个带记忆的客服机器人，能记住用户之前问过的订单问题，提升服务连续性。实现思路定义对话历史管理方法，完整记录用户的交互上下文智能体结合历史记录与当前问题，提供个性化服务通过记忆机制与流程优化，智能客服能够更精准地理解用户意图，实现高效服务闭环。智能客服会话代码示例（1）conversation_manager.pyfromadkimportagent,context#创建智能体agent=agent.Agent()#定义对话历史管理方法defmanage_conversation_history(user_id,message,ctx:context.Context):#从上下文中获取对话历史history=ctx.get("conversation_history",[])#添加新的消息到对话历史history.append({"user_id":user_id,"message":message})#将更新后的对话历史保存到上下文中ctx.set("conversation_history",history)returnhistory代码功能解析这段代码展示了如何使用ADK框架创建智能体，并定义了一个核心的对话历史管理方法。该方法负责从上下文中获取历史记录，将用户最新的消息追加到历史中，并将更新后的历史数据回存到上下文，确保对话上下文的连续性。智能客服会话代码示例（2）#定义回复逻辑defreply(user_id,message,ctx:context.Context):#管理对话历史history=manage_conversation_history(user_id,message,ctx)#根据对话历史生成回复iflen(history)>1:returnf"你之前问过：{history[-2]['message']}，现在你又问：{message}，我明白了。"else:return"你好，我是智能客服，有什么可以帮助你的吗？"代码逻辑解析这段代码定义了核心回复逻辑。它首先调用`manage_conversation_history`函数管理对话上下文，然后根据历史记录的长度进行判断：如果是多轮对话，会回顾上次提问并结合当前问题生成回复；如果是首次对话，则返回标准问候语，实现了基于上下文的个性化交互。案例四：智能电商客服会话任务目标结合RAG技术，从知识库精准检索退货政策，并智能调用“查询订单”工具，提升客服响应效率。实现思路定义知识库：结构化存储退货政策、常见问题等核心信息。工具函数集成：开发并注册“查询订单”工具，实现数据互通。智能决策推理：智能体分析用户意图，自动检索知识并调用工具。图：智能电商客服会话全流程示意图智能电商客服会话代码示例（1）Python-RAGImplementationfromadkimportrag#定义知识库knowledge_base=rag.KnowledgeBase()knowledge_base.add_document("退货政策：商品支持7天无理由退货，运费由商家承担。")#从知识库检索信息defretrieve_information(query):results=knowledge_base.retrieve(query)returnresults[0].contentifresultselse"未找到相关信息"代码逻辑解析这段代码定义了知识库，并实现了从知识库检索信息的功能。它通过`add_document`方法加载退货政策文档，再通过`retrieve`方法根据用户查询关键词快速定位并返回相关信息。智能电商客服会话代码示例（2）smart_service.py#定义工具函数，查询订单信息@tool(name="query_order",description="查询订单信息")defquery_order(order_id:str)->str:"""查询订单信息，参数为订单ID"""returnf"订单{order_id}的状态是：已发货"#定义回复逻辑defreply(user_id,message,ctx):info=retrieve_information(message)if"订单"inmessage:order_info=agent.call_tool("query_order",{"order_id":"123456"})returnf"{info}\n{order_info}"else:returninfo工具函数定义使用装饰器定义了`query_order`工具，封装了查询订单状态的业务逻辑，便于Agent调用。智能回复逻辑结合知识库检索与工具调用。当检测到“订单”关键词时，自动调用工具查询并组合结果回复。互动环节：实操任务介绍任务目标：智能电商客服开发使用ADK框架实现一个智能电商客服，结合RAG技术从知识库检索退货政策，并调用“查询订单”工具完成交互。1.创建智能体使用ADK框架快速初始化并创建一个智能体实例。2.定义知识库构建并存储退货政策等相关业务知识文档。3.定义工具编写并注册“查询订单”的工具函数供智能体调用。4.实现逻辑配置RAG检索策略，实现自动调用工具与回答逻辑。5.测试对话与客服对话，验证退货政策检索和订单查询功能。关键提示：在实现回复逻辑时，请确保工具调用参数与订单查询接口的要求一致，同时注意知识库文档的格式规范。实操任务步骤详解01创建智能体使用ADK创建一个智能体，作为服务入口。02定义知识库定义知识库，存储退货政策等关键业务信息。03定义工具函数定义工具函数，实现查询订单信息的功能。04实现回复逻辑根据用户提问，从知识库检索信息并调用工具。05测试智能客服编写测试代码对话，验证检索和调用能力。关键提示：在测试环节，请务必验证智能体是否能准确区分何时使用知识库信息，何时调用工具函数，这是保证客服准确性的关键。实操任务评判标准成功创建智能体能够正确使用ADK创建智能体。20分成功定义知识库能够正确定义知识库，并存储退货政策等信息。20分成功定义工具函数能够正确定义工具函数，查询订单信息。20分成功实现回复逻辑根据提问检索信息，并调用工具查询订单信息。20分智能电商客服正常工作检索退货政策，并调用“查询订单”工具。20分任务总分100分请对照左侧标准逐项检查

确保所有功能点均已正确实现常见问题排查Q1:多智能体协作失败？检查子智能体的定义和调用是否正确，确保子智能体能够正常工作。Q2:工具调用失败？检查工具函数的定义和参数是否正确，确保工具函数能够正常调用。