企业系统接入 AI 查询:会话事件、工具结果与业务页面如何分层

简介: 用 Tansr 的 defineTool、会话事件和 SessionView 说明 AI 查询结果回到业务页面的接线契约与边界。

把会话状态和业务数据混在一个返回对象里,页面很快会遇到旧结果覆盖新对象、权限边界不清和错误状态误读。分层后,现有业务页面仍是事实入口。

把 AI 查询接进已有订单或工单页面时,最容易犯的错误是把所有内容都拼进聊天气泡。更可靠的接线方式是让三条数据流各司其职:模型消息负责解释,Tansr 会话事件负责过程状态,业务接口负责可核对记录。页面通过稳定的查询标识把它们重新组合。

从事件流得到界面状态

Tansr 的会话事件会描述一轮运行的边界,以及工具提出、开始、完成或失败等阶段。应用可以用 createSessionView 把事件归约成不可变的视图快照,再将快照通过自己的状态管理或 Electron IPC 交给界面。不要在渲染层自己拼接 msg.text.delta 来推断工具是否完成,也不要用“模型说成功”替代业务回执。

事件到界面的映射可以先定成下面这样:

事件或视图状态 产品区域 可做的动作
用户问题和文本增量 聊天区 继续追问或修改筛选
tool.proposed、tool.started 工具卡 显示正在查询,必要时显示等待授权
tool.completed、tool.failed 工具卡和任务面板 展示结果摘要或可恢复错误
view.messages、view.tools、view.errors 页面状态层 更新聊天、任务卡和错误横幅
业务服务返回的 recordIds 订单/工单列表 刷新行、打开详情、继续原操作

SessionView 只负责把运行事件投影成可呈现的会话状态。recordIds、租户范围和业务状态仍由工具 handler 调用的业务服务决定。

工具结果要能被页面消费

下面是接线示意,省略模型和令牌配置;它展示 API 形状与责任边界,不是完整上线教程。

const lookupTickets = defineTool({
   
  name: 'lookup_tickets',
  description: '查询当前登录租户可见的工单;不修改工单。',
  readOnly: true,
  parameters: {
   
    status: {
    type: 'string', description: '工单状态' },
    customerId: {
    type: 'string', description: '当前页面的客户标识' }
  },
  handler: async (args) => ticketService.search({
   
    tenantId: auth.tenantId,
    userId: auth.userId,
    status: args.status,
    customerId: args.customerId
  })
});

const session = await createSession({
   
  client,
  tools: {
    custom: [lookupTickets] }
});
const view = createSessionView(session);

业务服务返回值应面向两种消费者设计:模型需要能解释的字段,页面需要能定位的字段。一个可用的查询结果至少包含 queryId、recordIds、snapshotAt 和 rows。queryId 由应用在发起页面查询时生成,不能让模型自由改写;recordIds 也不是授权令牌,页面打开详情前仍要走原业务入口。

处理当前对象和过期结果

页面查询存在竞态:用户先查客户 A,随后切换到客户 B;A 的网络响应可能晚于 B。应用应在本地保存当前 queryId,只接受相同 queryId 的结果:

const queryId = crypto.randomUUID();
currentQueryId = queryId;
session.send(JSON.stringify({
    queryId, customerId }));

function applyResult(result) {
   
  if (result.queryId !== currentQueryId) return;
  renderRows(result.recordIds, result.rows);
}

这段判断只解决页面覆盖问题,不解决业务授权或重复写入。工具是只读查询时,业务服务仍要检查租户、角色和记录归属;如果后续增加提交、分派或通知工具,还要为业务意图设计幂等键、权威查询和用户确认。

错误和权限要显示在正确的位置

工具参数不合法、查询无权访问、没有匹配记录和网络失败不是同一种状态。Tansr 会把工具阶段和错误带入事件流,应用应把可恢复错误显示在任务面板,把需要用户补充的信息放回聊天,把业务权限拒绝交给原有权限界面。未接入 askUser 时,涉及确认的工具可能按 fail-closed 规则被拒绝;不要把拒绝渲染成空结果。

如果页面只需要一次固定查询和摘要,直接调用模型 API 加业务查询通常更短;只有在需要多轮追问、动态选择工具、过程展示或统一会话状态时,接入 Tansr 的运行链才有明确复用点。采用 SDK 不会自动提供页面、登录、业务服务或权限规则。

最小验收集

开发时用脱敏演示服务验证:创建只读工具后,SessionView 能收到开始和完成状态;工具结果中的 recordIds 能打开同一条演示记录;切换客户后旧 queryId 不覆盖新结果;参数错误、无权访问和空结果在界面上能区分。这个验证检查的是接线契约,不能替代真实业务系统的并发、权限和数据质量测试。

接口依据见 Tansr 的会话与事件流、defineTool和平台装配说明。

Tansr 适合复用模型、工具和事件的运行组织;页面、登录、业务接口和数据授权仍由企业负责。

相关文章
|
6天前
|
云安全 人工智能 运维
当攻击全面Agent化,你的安全防御能否跟上AI Speed?
多起客户侧AK泄露事件应急的真实观察
1290 6
|
4天前
|
人工智能 API 开发工具
DeepSeek Harness 神插件:白嫖 13 家大厂模型
`dsh-our-free-model` 是 DeepSeek Harness 神级插件:零配置、零API Key、零账号,聚合13家大厂免费模型(含DeepSeek V4.1 Flash、Kimi K3等),支持本地网关、用量看板与自动降级,真正实现“白嫖即用”。
|
9天前
|
存储 人工智能 安全
千问办公官网入口网页版登录:qwenwork.cn 注册送2000积分、登录送100积分
阿里云千问办公(QwenWork)是AI智能工作平台,支持一句话生成PPT、表格、网页、视频及数据分析。个人免费版送2000积分+每日登录赠100分,含1GB存储、5个发布页;企业版198元/席/月起。阿里千问办公QwenWork官网:https://t.aliyun.com/U/0VCTGt 阿里AI工作平台,一句话完成数据分析、PPT 生成、视频剪辑、网页搭建等复杂任务
|
29天前
|
人工智能 JSON API
全网刷屏的 Jev 模型正式开放!一手实战测评 + 保姆级教程
全网爆火的 Jev 模型是什么?有什么用?怎么使用?怎么接入 AI 编程工具?效果真的好么?傻子可懂的 Jev 保姆级实战教程 + 项目实战测评来啦
9868 33
|
15天前
|
存储 人工智能 并行计算
大模型本地部署终端选型方法论:以 Qwen3.8-27B 为例的四档分层完整流程
本文提出一套大模型本地部署终端选型方法论:定约束、定档位、定框架、定参数四步决策法,配合入门、主力、质量、无损四档分层模型。以 Qwen3.8-27B 实测数据为例,逐环节解读显存、带宽、存储、散热、系统、预算等要素,给出面向不同预算的优选方案、决策自查清单与市场观察框架。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线,论证四步决策法在新品类上的延续性。
|
6天前
|
Web App开发 人工智能 JavaScript
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
REA(Reverse Engineer Anything)是近期爆火的开源AI逆向工具,4月发布,1个月内斩获15万+ Star。它让AI Agent无需源码即可分析二进制、APK、JS/Electron、HAR包等17类目标,自动反编译、生成可运行代码,并强制返回带证据与局限的结论。全本地执行,MIT协议,支持Hopper/Ghidra/IDA等引擎,一行命令即可上手。
694 2
太猛了,一个月干到15W+,给大家推荐一个最近爆火的开源逆向工具:REA
|
4天前
|
人工智能 开发者
Qoder CN 大使计划正式开启|无限创造,等你一起
全年免费积分、优先内测、活动支持与更多共创机会,邀请用 Qoder 把想法变成现实的你。
465 0
|
14天前
|
人工智能 JSON 自然语言处理
2026 年 Jev 决策模型深度拆解:原理解读、实战测评与保姆级落地教程
有一款特殊AI模型在开发者圈子刷屏,它摒弃传统大模型擅长的对话聊天能力,专注做高速结构化决策,它就是TypeSafe AI推出的Jev模型。该模型由ChatGPT共同发明人Diogo Almeida主导研发,定位为**System One Model(系统一模型)**,对标人类大脑快速直觉判断的思维模式,在响应延迟、调用成本、结构化输出稳定性上相比传统生成式大模型有着巨大差异。本文会完整拆解Jev底层原理、三大核心原语能力、适用业务场景,同时提供可直接运行的curl、Python代码示例,并且结合多组实测数据,客观分析模型优势与能力边界,帮助普通开发者和AI应用从业者快速上手落地。
992 1