Datawhale动手学Agent应用开发task3

侃小溪
47 阅读2分钟

《Agent设计模式与工程化》课程学习总结

  • Agent设计模式就是通过提炼各行业开发AI智能体的共性，总结成通用可复刻的模板；比如智能客服模式，稍微改一改就能应用在电商，教育，医疗等领域。
  • Agent工程化旨通过一系列方式方法，克服对人、数据和技术的难点和阻力，保证项目最终能够成功落地。

作业：构建一个自然语言生成 Shell 命令工具

一、构建过程

1. 目标与场景

  • 目标用户： 开发者、系统管理员、命令行初学者
  • 问题痛点： 解决跨平台命令语法用户难以记住的问题
  • 期望结果： 能够准确理解自然语言需求，生成安全可靠的跨平台命令

2. 功能设计：

  • 跨平台适配（Windows/Linux/macOS）
  • 自然语言理解->意识识别->提供思考过程和最终命令
  • 执行时，提供安全确认机制

3.工作流程：

  1. 接收自然语言描述（如"查找当前目录下所有Python文件"）
  2. 分析用户意图并考虑平台差异
  3. 生成相应shell命令
  4. 提供执行确认，避免危险操作

4. 技术选型：

  • 开发框架： 使用 pydantic-ai，轻量级，容易使用
  • 大模型： 选择 DeepSeek 模型，其它支持OpenAI SDK的LLM皆可
  • 关键技术：
    • 获取当前系统平台工具 get_platform()
    • 思维链展示工具 think()
    • 结构化输出工具 answer()

二、成果验收

# 输入
cligen "查找当前目录下所有的python文件"

(AI思考中): 用户想要查找当前目录下所有的Python文件。我需要考虑不同操作系统下的命令差异。在Linux和macOS 上，可以使用`find`命令，而在Windows上可以使用`dir`命令。让我先检测用户的平台。

(AI思考中): 用户使用的是Windows系统。在Windows上，可以使用`dir`命令来查找文件。Python文件通常以`.py`扩 展名结尾。我可以使用`dir *.py /s`命令来递归查找当前目录及其子目录中的所有Python文件。`/s`参数表示包含所有子目录。

(AI回答): dir *.py /s
是否执行? Y/N:

三、设计亮点

  • 思维链透明： 通过think()函数展示Agent推理过程，增加可信度
  • 安全机制： 执行前确认，防止误操作
  • 跨平台： 自动适配不同操作系统的命令差异
  • 结构化输出： 使用Pydantic确保响应格式规范
avatar
文章
阅读
粉丝