- 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。
- 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。
- 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）。
关键代码解释
规划助理（Router Agent）
上述示例程序中用于意图识别的模块是规划助理（Router Agent）。规划助理根据用户意图进行分类后，将用户的问题按需传递指定的商品导购 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
)
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"
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：
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。
修改源码中的prompt来适配到您的产品中。修改源码的步骤为：
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。
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。
单击部署代码，等待部署完成即可。
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。
大模型课程
系统体验的改进优化永远没有终点，您可以考虑学习并通过阿里云大模型 ACA 认证，该认证配套的免费课程能帮助您进一步了解大模型的能力和应用场景，以及如何优化通过大模型的应用效果。
