用c#从头写一个AI agent，实现企业内部自然语言数据统计分析（三)--一个综合的例子

在前面一节中，我们做了一个简单的统计图表的例子。本节中，我们将实现一个综合的稍微复杂一点的例子，并对这个例子做一个详细的剖析，如下图所示：。

 
上面是我通过Agent和大模型进行的对话，在指定的时间，我在web端收到了一个消息，如下所示：
 

 
 
Agent按照我的要求从数据库中获取数据，并在指定的时间通过消息发送给我。Agent为何能如此听话？或者说能听得懂我的话，并按照要求执行呢？那是因为我给他配置了解决此类问题的各种工具(tools)让他在合适的时候调用，下面是Agent在收到我的指令后进行的一系列动作，整个过程描述如下：
1、用户发出请求：在晚上17点28统计一下知识库数量和用户数量，一起发给admin
2、Agent收到请求后发给大模型，大模型初步判断这个是一个定时触发的任务，调用我的工具创建定时器，这个工具的json描述如下：
　　

1. {
2.           "type": "function",
3.           "function": {
4.             "name": "RemindAdd",
5.             "description": "当你想定时提醒的时候非常有用。如果对于用户给出的时间不确定，例如用户说：10点提醒我拿东西，这里的10点可能是早上10点，也可能是晚上10点，所以你要询问用户给出确定的时间点。但是如果根据系统时间，现在的时间已经过了10点，那么默认就是晚上10点，就不用在询问用户了。",
6.             "parameters": {
7.               "type": "object",
8.               "properties": {
9.                 "time": {
10.                   "type": "string",
11.                   "description": "定时到期时间，使用24小时时间格式。例如2025-02-05 15:31。如果用户是指每天任务的话， 那么这个时间必须是今天的时间"
12.                 },
13.                 "something": {
14.                   "type": "string",
15.                   "description": "一个动作，用户想要在定时到期时要做的事情,例如：做饭，洗碗等"
16.                 },
17.                 "timeRelated": {
18.                   "type": "string",
19.                   "description": "和用户定时相关的词语，例如：3分钟后，12:50，下午4点等"
20.                 },
21.                 "userInput": {
22.                   "type": "string",
23.                   "description": "用户输入的原话内容"
24.                 },
25.                 "userLoginName": {
26.                   "type": "string",
27.                   "description": "当前用户登录名，使用系统提示的内容填写"
28.                 },
29.                 "isEveryDay": {
30.                   "type": "string",
31.                   "description": "是否为每天重复提醒，true或者false"
32.                 },
33.                 "contentType": {
34.                   "type": "string",
35.                   "description": "提醒的类型：text或者action。text是指发送文本消息，action指的是一个动作：例如查询当天最新的IT资讯，发送消息,或者用户请求中包含 "自动、定时、发送" 等动作词汇时也认为是一个action。"
36.                 }
37.               }
38.             },
39.             "required": [
40.               "time",
41.               "something",
42.               "timeRelated",
43.               "userInput",
44.               "userLoginName",
45.               "isEveryDay",
46.               "contentType"
47.             ]
48.           }
49.         }

复制代码

大模型指示Agent调用这个工具，并传递参数。Agent根据传递参数创建定时器，保存在数据库中，这个定时器信息如下图：

3、在指定时间到期之后，Agent提取定时器的提醒内容 "统计知识库数量和用户数量，然后将结果一起发给admin” 提交给大模型。
4、大模型判断这是一个多任务场景，返回Agent说调用任务分解的tool，并传递参数，这个任务分解函数的json描述如下：

1. {
2.       "type": "function",
3.       "function": {
4.         "name": "Global_Decomposition",
5.         "description": "任务分解函数，把用户请求的内容分成若干个可执行的最小单元，确保每个单元都包含且只能包含一个独立任务。如果您发现用户的请求是一个包含多个任务的情况时，优先调用这个函数，这个函数的优先级别最大（除了和定时、提醒有关的内容）。例如用户说：统计一下部门用户数，并给我写一个简单js2个数字相加的函数，还有通知全体市场部人员开会。\n那么使用这个Global_Decomposition可以把用户的输入分解成3个任务,就是 :[{ "index": 1,"desc": "统计一个部门用户数" ,"base":"" },{"index": 2,"desc": "写一个简单js2个数字相加的函数" ,"base":"" },{"index":3,"desc":"通知全体市场部人员开会","base":"1,2" }...] 。任务分解注意一下几点：\\n1、如果这些任务之间有前后依赖关系，那么请注意任务分解时候的排序,要把被依赖的任务放在依赖他的任务之前。\\n2、如果分解后还是只有一个任务，那么就不要分解。\\n3、要保证任务分解必须能全面执行用户的任务，任务分解的数量不限制，要保证逻辑清晰、完整、正确。\\n4、其中base指出任务之间的依赖关系。",
7.         "parameters": {
8.           "type": "object",
9.           "properties": {
10.             "tasks": {
11.               "type": "string",
12.               "description": "分解后的任务,一个json数组格式的字符串，不能为空。例如：[{"index": 1,"desc": "统计一个部门用户数","base":""   },{"index": 2,"desc": "写一个简单js2个数字相加的函数","base":""  },{"index":3,"desc":"通知全体市场部人员开会","base":"1,2" }...]。其中base指出任务之间的依赖关系，填写依赖任务的index值，多个之间使用逗号隔开。"
13.             },
14.             "agentID": {
15.               "type": "string",
16.               "description": "agentID"
17.             },
18.             "userLoginName": {
19.               "type": "string",
20.               "description": "用户名，根据系统提示自动填入"
21.             },
22.             "userInput": {
23.               "type": "string",
24.               "description": "用户提问的原话内容"
25.             }
26.           }
27.         },
28.         "required": [
29.           "tasks",
30.           "agentID",
31.           "userLoginName",
32.           "userInput"
33.         ]
34.       }
35.     },

复制代码

通过这个json，大模型把这个任务 " 统计一下知识库数量和用户数量，一起发给admin" 分解为三个任务：

•  1、统计是知识库数量
  
• 2、统计用户数量
  
• 3、把上面两个统计结果发送给admin(任务3依赖于任务1、2)
  

Agent拿到分解的任务后，根据任务的依赖关系，经过遍历循环执行（如果分解任务数量多，依赖关系复杂可能需要多次遍历执行），先完成任务1和任务2（再上一篇中详细介绍过），然后把任务1和任务2的结果以及任务3一起提交给大模型
5、大模型在收到 第上面四步的请求（类似于：知识库数量178，用户数量51。请根据以上信息完成用户下面的请求：把统计结果发送给admin），判断这是一个信息发送的任务，返回工具调用信息，这个发送信息的json格式如下：

1. {
2.         "type": "function",
3.         "function": {
4.           "name": "System_Notify",
5.           "description": "当你想发送通知、消息、email，短信等时非常有用。",
6.           "parameters": {
7.             "type": "object",
8.             "properties": {
9.               "agentID": {
10.                 "type": "string",
11.                 "description": "agentID"
12.               },
13.               "userLoginName": {
14.                 "type": "string",
15.                 "description": "发送人姓名"
16.               },
17.               "message": {
18.                 "type": "string",
19.                 "description": "消息内容。"
20.               },
21.               "toUser": {
22.                 "type": "string",
23.                 "description": "消息接收人姓名，多个接收人之间使用逗号(,)分开。例如：张三,李四,王五"
24.               },
25.               "userDesc": {
26.                 "type": "string",
27.                 "description": "消息接收人描述:用户没有提及具体的姓名而是一个描述，系统管理员 或者 财务部的部长"
28.               },
29.               "msgType": {
30.                 "type": "string",
31.                 "description": "消息类型，包括：短信(sms)、系统消息(system)、邮件(email)、微信群(weixingroup)、个人微信(weixinuser)，多个消息类型之间使用逗号(,)分开。例如：sms,system,email,weixin。"
32.               },
33.               "toName": {
34.                 "type": "string",
35.                 "description": "当参数mstType是微信群时，toName指的是微信群的名称或者个人微信的名称"
36.               },
37.               "userInput": {
38.                 "type": "string",
39.                 "description": "用户提问的原话内容。"
40.               }
41.             }
42.           },
43.           "required": [
44.             "userLoginName",
45.             "message",
46.             "toUser",
47.             "userDesc",
48.             "msgType",
49.             "userInput",
50.             "toName",
51.             "agentID"
52.           ]
53.         }

复制代码

 
6、Agent收到后，根据参数进行消息发送
至此整个流程完成。从这个过程中看出，Agent在人类和大模型之间，起到一个中间人的角色。人类在发出一个请求给Agent后，通过Agent和大模型之间的多次沟通和信息交流后，完成人类的指令。
以上只是一个简单的实例，但任何复杂的事情都是由简单的组成的不是吗？

来源：程序园用户自行投稿发布，如果侵权，请联系站长删除
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！