波仔
🐦 第9章 实战案例：看图学英语智能助手
📄 一句话概括

智能体是入口，工作流是它挂的一个工具。用户跟智能体说话，智能体决定调不调。 七句话分三类：调工作流、直接答、闲聊。判对六句。 判错的那句「board 有几个意思」被当成闲聊，用户得到一句自我介绍——这比报错更糟。

📝 本章和前面几章的关系

前面八节做的是一条链，这一节给它装一个门。门开错了，链做得再好也没人用。 和第 8.9 节一样，最后一步是「让智能体调用工作流」。区别在这一节多了一层判断：该不该调。 书里用的是意图识别节点。 本沙箱没有模型，下面用关键词表代替——它漏判的那一条，正是关键词表永远补不齐的那一类。

一、入口和工具

用户打开的是一个智能体，不是一条工作流。工作流在智能体的工具列表里，像插件一样挂着。 智能体做两件事：听懂用户在说什么、决定用哪个工具。工作流只管干活。 这个分工很重要。 把判断塞进工作流，工作流就变成「什么都要会」的怪物； 把干活塞进智能体，智能体就开始瞎编。

所以工作流的开始节点只收一个图片地址，其余一概不管。判断谁做？智能体做。

二、三类请求

用户的话大致三类：要学英语（调工作流）、问语法（直接答）、闲聊（也直接答）。

用户说什么 该走哪条 为什么
这张图上的英文怎么读 调工作流 有图，要抽字段
虚拟语气和条件句有什么区别 直接答 常识，不需要图
今天天气不错 闲聊 跟英语无关

演示里七句话，判对六句。三句该调、一句该直接答、两句闲聊，都对了。 错的是第七句：「board 有几个意思」。它该调工作流（问词义），被判成了闲聊。 原因很朴素：那句话里没有一个中文关键词，只有一个英文词。关键词表只认它列过的词。

三、判错的代价

判错有两个方向，代价不一样。 该调没调：用户问词义，智能体回一句「你好，我可以帮你看图片学英语」。用户觉得它没听懂，走了。 不该调调了：用户说「今天天气不错」，智能体把这句话丢进图片理解，拿到空地址，抽出零个字段， 回一句「这张图我没看懂」。用户觉得它坏了。

两种都比报错糟。报错用户会重试；这两种用户直接走，还不告诉你为什么。 所以判断这一层要偏保守：拿不准就别调，用一句话问回去。「你是想让我看一张图吗？」比瞎调强。

四、三条路

关键词表：便宜、快、可解释，但漏同义说法。演示里漏的就是这一类。 加英文词检测：句子里有连续三个以上英文字母也算命中。补上了第七句，但「今天好 fine」这种会被误判。 意图识别节点：交给模型判，能覆盖同义说法。代价是多一次调用，慢一点贵一点。

书上用的是第三种。选哪条看误判的代价：误判贵就上模型，误判便宜关键词表够用。

五、人设别和工具打架

智能体的人设写「英语学习助手」，工具挂「看图学英语工作流」，这是一致的。 如果人设写「售后客服」，又挂了「推文生成器」，模型会犹豫——它不知道该按哪个身份说话。 犹豫的结果通常是不调：它选最保守的做法，用文字回你一句。

所以人设和工具要同一个方向。 第 8.9 节讲过一次，这里再讲一次，因为这是上线后最常见的「明明配了却不生效」。

六、动手 Demo：智能体调用工作流：先判该不该调

七句真实说法，三类去向。用关键词表判，看它漏哪一句。 再列三条路，比较各自的代价。

LEARN = [u'图', u'单词', u'音标', u'怎么读', u'翻译', u'卡片', u'例句']

def intent(t):
    if any(k in t for k in LEARN):        return u'调工作流'
    if any(k in t for k in (u'什么区别', u'语法', u'为什么')):
        return u'直接答'
    return u'闲聊'

实跑输出：

--------------------------------------------------------------------
智能体调用工作流：先判该不该调
--------------------------------------------------------------------


  ① 七句话，分三条路
  --------------------------------------------------------------------

| 用户说什么 | 判成 | 该走哪条 | 对不对 |
|---|---|---|---|
| 这张图上的英文怎么读 | 调工作流 | 调工作流 | 对 |
| 帮我看看这个单词什么意思 | 调工作流 | 调工作流 | 对 |
| 这个单词能再造个例句吗 | 调工作流 | 调工作流 | 对 |
| 虚拟语气和条件句有什么区别 | 直接答 | 直接答 | 对 |
| 今天天气不错 | 闲聊 | 闲聊 | 对 |
| 你叫什么名字 | 闲聊 | 闲聊 | 对 |
| board 有几个意思 | 闲聊 | 调工作流 | 错 |

  七句判对 6 句。错的那句是「board 有几个意思」——整句没一个中文关键词，只有个英文词。

  ② 判错了会怎样
  --------------------------------------------------------------------
  「board 有几个意思」被判成闲聊，智能体的回答是：「你好，我可以帮你看图片学英语」。
  用户问的是词义，得到一句自我介绍。这比报错更糟——报错用户会重试，这个用户直接走了。

  ③ 三条路，代价不同
  --------------------------------------------------------------------

| 办法 | 靠什么判 | 代价 |
|---|---|---|
| 关键词表 | 「例句」「单词」这类中文词 | 漏掉整句只有一个英文词的提问 |
| 加英文词检测 | 连续 3 个以上英文字母也算命中 | 「今天好 fine」这种会被误判 |
| 意图识别节点 | 交给模型判，覆盖同义说法 | 多一次模型调用，慢一点贵一点 |

  书上用的是第三种：智能体里挂一个意图识别节点，判成「学英语」才跳工作流。
  这里用关键词是因为沙箱没有模型。
  ! 三条路都能走通，选哪条看误判的代价：误判贵，就上模型；误判便宜，关键词表够用。

①第一张表七行：三句调工作流、一句直接答、两句闲聊、一句判错。 ②判对六句。错的那句是「board 有几个意思」，整句只一个英文词，没有中文关键词。 ③第二段讲判错的后果：用户问词义，得到一句「我可以帮你看图片学英语」。 ④这句比报错更糟——报错用户会重试，这个用户直接走了。 ⑤第三张表三条路：关键词表、加英文词检测、意图识别节点，各自的代价不同。

30 秒实验

  1. 把你自己的智能体打开，看人设和工具是不是同一个方向。不是的，改人设比改工具便宜。
  2. 列十句真实用户可能说的话，人工标一遍该走哪条，再让你的判断逻辑跑一次，数错几句。
  3. 找一句你拿不准的，试一次「问回去」而不是「猜一个」。看用户是不是更好受。

常见误区

  1. 「工作流配好了，用户自然会用。」入口在智能体那儿，判断错了链再好也没人走到。
  2. 「判错就判错，重试一次。」用户不会重试。他得到一句不相干的回答就走了。
  3. 「人设随便写，不影响功能。」人设和工具打架时，模型选最保守的做法——不调。
自测三问（点开对答案） 1. 智能体和工作流各管什么？ —— 智能体管听懂和决定用哪个工具，工作流管干活。判断别塞进工作流，干活别塞进智能体。 2. 判错的两个方向，哪个更糟？ —— 两个都糟，且都不报错。该调没调用户觉得没听懂，不该调调了用户觉得坏了。都直接走。 3. 拿不准的时候怎么办？ —— 问回去，别猜。「你是想让我看一张图吗」比瞎调一条链强，也比冷场强。

第二个案例完了。下一章换场景：从一段视频里把文案扒出来，再改写成自己的话。

相关笔记