基础智能体开发原理与 LangChain 实现逻辑

关联：索引

AI 工具使用：架构图/流程图/方案点评提示词模板（学生可直接复制）

使用方法：把你们的“需求描述/工具清单/架构草图文字版”粘贴到 {你的内容} 处；要求 AI 用“表格/清单/对照”输出，便于直接改。

• 模板 1：LangChain 基础智能体架构图生成（Mermaid）
• 模板 2：分拣意图识别与工具调用流程图生成（Mermaid）
• 模板 3：工具清单与参数契约表生成（便于落地）
• 模板 4：架构方案可落地性点评（改动点可执行）

模板 1：LangChain 基础智能体架构图生成（Mermaid）

你是AI智能体架构师。请基于我的课程主题“基础智能体开发原理与LangChain实现逻辑”，生成：
1) 一个 Mermaid flowchart 架构图，清晰展示：用户输入 -> 感知(解析/识别) -> 决策(意图匹配/工具选择) -> 执行(工具调用) -> 反馈；
2) 一份组件说明清单（每条不超过20字），并标注它属于 LangChain 的哪一类组件（LLM/Agent/Tool/Memory）；

输出要求（硬约束）：
- 先输出<<<MERMAID>>>...<<<END_MERMAID>>>，只包含 Mermaid 代码；
- 再输出<<<COMPONENTS>>>...<<<END_COMPONENTS>>>，用表格：组件 | 归属(LLM/Agent/Tool/Memory) | 职责短句；
- 不要输出长段解释文字。

我的材料：{你的内容}

模板 2：分拣意图识别与工具调用流程图生成（Mermaid）

你是分拣场景智能体的流程设计师。请基于以下需求，输出一个 Mermaid flowchart 流程图：

必须包含的节点：
- 指令解析（抽取：物品/数量/目的地/优先级/约束）
- 意图匹配（分拣/查询/确认/澄清/拒绝注入）
- 工具选择（按意图与缺失信息选择工具）
- 工具调用与结果检查（成功/失败/超时）
- 反馈生成（向用户返回结果或澄清问题）

必须包含的分支：
- 缺信息：进入“澄清提问”分支，并列出要问的字段
- 意图冲突：进入“二次确认”分支
- 注入干扰（要求改规则/输出Markdown/解释）：进入“忽略干扰并继续抽取”分支
- 工具失败：进入“降级策略/人工接管/重试”分支

输出要求：
- 只输出<<<MERMAID>>>...<<<END_MERMAID>>>，不要输出解释文字。

需求材料：{你的内容}

模板 3：工具清单与参数契约表生成（便于落地）

你是智能体落地工程师。下面给你一个分拣场景描述与若干工具想法。请输出一个“工具清单与参数契约表”（Markdown表格）：
列：工具名 | 触发意图 | 输入参数(字段名:类型) | 输出(字段名:类型) | 失败返回与错误码 | 备注(边界/权限/副作用/审计)

要求：
- 工具名要像API（动词+对象），例如：parse_sorting_instruction、match_sorting_rules；
- 参数必须尽量可校验（枚举/必填/可选要说清楚）；
- 输出与失败返回建议携带 request_id/trace_id，便于回放与追责；
- 至少输出5个工具，其中必须包含：指令解析、规则匹配、结果下发/执行、状态查询、澄清问题生成。

材料：{你的内容}

模板 4：架构方案可落地性点评（改动点可执行）

你是课堂项目的技术评审。下面给你一份“分拣智能体架构方案”（文字版）。请输出：
1) 一个问题清单（按严重度排序）：缺了什么/不清楚什么/落地会卡在哪里；
2) 一份最小改动建议：每条建议都要能“直接替换成方案中的一句话或一段话”；
3) 一个最小回归验证清单：列出5条必须通过的场景（包含缺信息、意图冲突、注入干扰、工具失败）。

输出要求：
- 只输出三段：<<<ISSUES>>>...<<<END_ISSUES>>>、<<<PATCHES>>>...<<<END_PATCHES>>>、<<<CHECKLIST>>>...<<<END_CHECKLIST>>>。

我的方案：{你的内容}

填写说明（学生可按顺序完成）：

• 所有描述尽量用短句，不写长段解释。
• 组件/工具都要能回答两个问题：输入是什么？输出是什么？
• 每个“失败点”都要有一个“兜底动作”（澄清/降级/人工接管/拒绝执行）。

工作表 0：概念对齐速记卡（三段式 -> LangChain/LangGraph）

工作表 1：智能体需求规格卡（每组必填）

填写示例（可仿照，直接替换业务词即可）：

工作表 2：LangChain 组件对齐表（概念到职责）

| :-------- | :--------------------------------- | :----------------- | :----- | :----- | :----- |
| 感知/解析模块 |
|
|
|
|
|
| 决策/路由模块 |
|
|
|
|
|
| 工具集合 |
|
|
|
|
|
| 记忆模块 |
|
|
|
|
|
| 反馈生成模块 |
|
|
|
|
|

工作表 3：意图识别与工具调用流程（含兜底）

工作表 4：作业可交付物对齐表（提交前自检）

| :----- | :----- | :--------------------------------- | :-------------------- |
| 架构图 |
| 组件标注清楚；数据流完整；含失败兜底分支 | 只画框不写输入输出；没有兜底；组件概念混乱 |
| 200字说明 |
| 讲清意图识别逻辑与工具调用顺序；描述一个缺信息/冲突/失败的处理方式 | 写成概念介绍；没有流程；缺少兜底 |

1. 引导问题：为什么“会聊天”不等于“会办事”？——因为缺少可执行的工具调用与可验证的输入输出。

智能体 = 让模型从“文本生成”升级为“任务完成”的系统结构：

1. 感知（Perception）：理解用户输入，抽取关键信息，识别意图与缺失字段。
2. 决策（Decision）：选择下一步动作（调用哪个工具/是否澄清/是否拒绝）。
3. 执行（Action）：调用工具完成动作，并检查返回结果，决定是否继续或结束。

知识点补充（可讲可不讲）：

• 闭环与状态：三段式往往需要状态（已确认字段、待澄清字段、是否已二次确认）。
• 停止条件：成功下发/明确拒绝/信息不足且用户不补充/工具连续失败达到阈值。
• 失败可见性：失败要输出可操作下一步（要问什么/要确认什么/要切换什么路径）。

把“系统结构”落到“可实现的组件”（概念区分与对比见 02，本课只保留落地口径）：

• LLM：做理解与生成，但输出必须可校验（不把“猜测”当事实）。
• Prompt/Parser：把输入组织成可执行任务，把输出约束成可解析结构。
• Chain：把确定性步骤封装成“标准作业流程”（便于复用与测试）。
• Tool：外部能力接口，必须写清入参/出参/失败返回（避免黑盒）。
• Agent：路由与停止条件，把“要不要调用工具/调用哪个”显式化。
• Memory：存“已确认的事实与状态”，不存敏感信息与模型猜测，必要时清空。

常见误区（点名纠偏）：

• 把“Agent”当成一个黑盒：没有把工具的输入输出写清楚，导致无法落地。
• 把“Memory”当成聊天记录：没有定义“记什么/不记什么/何时清空”，导致错误累积。

知识点补充（可讲可不讲）：

• 最小可落地组合：LLM + 明确的 Tool 契约 + 简单路由规则（先不追求复杂规划）。
• 工具调用三要素：触发条件（意图/缺失字段）+ 参数校验（类型/枚举/必填）+ 错误处理（重试/降级/人工接管）。
• Memory 口径：记“已确认的事实”，不记“模型猜测”；敏感信息不进记忆；任务完成可清空会话记忆。

分组任务（每组产出 1 张“文字版架构图”）：

• 产出内容：写清“输入 -> 感知 -> 决策 -> 执行 -> 反馈”的主链路，并标注每段对应 LangChain 组件。
• 约束：每个节点必须写一句“输入是什么/输出是什么”。

AI 协同（可选）：

• 用模板 1 生成 Mermaid 架构图，再由人对照修订（避免 AI 画得像、但逻辑不通）。

快速问答：

• 感知/决策/执行分别在系统里对应什么？（抽取/路由/调用）
• 只靠 LLM 为什么不稳？（缺少可验证的契约与可失败兜底）

把分拣需求翻译成智能体需求：

1. 分拣指令识别：从口语提取物品、数量、目的地、优先级、约束。
2. 分拣规则匹配：把口语映射到规则（优先级枚举、约束归一化、缺省策略）。
3. 结果反馈：成功时给出“已下发/预计完成/下一步”，失败时给出“原因+需要补充的信息”。

• 1 张架构图（可用 Mermaid 或手绘拍照后转文字说明）。
• 1 条意图识别流程（含缺信息/冲突/注入/工具失败四类兜底）。

1. 指令解析：抽取槽位，标记缺失项。
2. 意图匹配：判定是“下发分拣/查询/澄清/拒绝注入/确认”之一。
3. 工具调用：根据意图选择工具，并确保参数可校验。
4. 结果检查：工具失败则重试或降级；信息不足则澄清；冲突则二次确认。
5. 反馈生成：把“动作结果”翻译成用户可理解的短反馈。

知识点补充（可讲可不讲）：

• 意图识别三种常用实现：规则优先（快但覆盖有限）/模型分类（灵活但需口径）/混合路由（规则兜底+模型补全）。
• 槽位抽取与意图匹配解耦：先抽槽位再判意图，避免“意图一变槽位全乱”。
• 注入防护的工程化写法：把“要求改规则/解释/输出Markdown”等视为不可信输入，不作为决策依据，不进入工具参数。
• 工具失败分类：业务失败（无权限/无库存/规则冲突）vs 系统失败（超时/网络/限流）；不同失败走不同兜底。

AI 协同（可选）：

• 用模板 2 生成流程图骨架，用模板 3 生成工具契约表，再由人把字段补齐与纠错。

说明：LangGraph 的概念、定位与差异在 02 已讲，这里只做“把工作表 3 变成图”的落地映射，便于学生理解为什么“图式流程”更适合有分支/回路/兜底的智能体。

把工作表 3 映射为三件事：

1. State（要在流程里传递/更新的数据）：

• slots（物品/数量/目的地/优先级/约束）
• intent（下发/查询/澄清/确认/拒绝注入）
• tool_result（工具返回）
• errors（错误码与原因）
• need_clarify（待追问字段）

1. 节点（每一步对应一个节点）：

• parse_instruction
• classify_intent
• validate_slots
• call_tool
• check_result
• generate_feedback

1. 边（条件与回路就是边）：

• 缺信息 -> ask_clarify -> parse_instruction
• 意图冲突 -> confirm -> classify_intent
• 注入干扰 -> ignore_injection -> parse_instruction
• 工具失败 -> retry_once -> call_tool；仍失败 -> handoff_human

stateDiagram-v2
    [*] --> Parse
    Parse --> Classify
    Classify --> Validate
    Validate --> Clarify: 缺信息
    Clarify --> Parse
    Validate --> CallTool: 信息齐全
    CallTool --> Check
    Check --> Retry: 工具失败(可重试)
    Retry --> CallTool
    Check --> Handoff: 工具失败(不可重试/超阈值)
    Check --> Feedback: 成功
    Handoff --> Feedback
    Feedback --> [*]

• 为什么乡村产业需要“可落地的智能体”？（人手紧、流程长、信息分散、决策依赖经验）

• 分拣智能体能解决哪类“低价值重复劳动”？（指令标准化、规则匹配、状态查询、异常提醒）

• 技术落地的底线与责任：数据脱敏、权限控制、错误兜底、不给出越权操作。

• “农产品分级分拣 + 订单履约”场景：通过指令标准化与规则匹配，减少口头沟通成本，提升履约稳定性；当信息不足时，系统能提出澄清问题而不是瞎猜。

课后作业（不提交）

提交方式：个人提交 1 个 PDF 文件（推荐由 Markdown 导出）；如导出困难，可提交同名 Markdown。

提交文件名（按此命名，便于批改）：班级-姓名-基础智能体.pdf（或 .md）

提交内容（缺一不可，按下列结构排版）：

A. 架构图（必做）

• 要求：画出分拣场景智能体核心架构图，并标注组件及功能。
• 最低标准：至少标出感知/决策/执行三段，以及 LangChain 的 LLM/Agent/Tool/Memory 对应关系。

B. 200 字左右说明（必做）

• 题目：分拣智能体意图识别逻辑设计说明
• 要求：用 200 字左右说明“解析 -> 匹配 -> 调用 -> 检查 -> 反馈”的逻辑，并至少写出 1 个兜底分支（缺信息/冲突/工具失败/注入其一）。

C. 加分项（可选）

• 附上你们的“工具清单与参数契约表”（可用工作表 2/3 或模板 3 生成后人工修订）。