《2026 Python零基础入门：用AI主题学编程》第十一课：简单 AI Agent 雏形——判断用户意图 + 调用不同 prompt / 工具，实现更智能的交互

本课讲解简单 AI Agent 雏形：用关键词匹配判断用户意图，根据意图动态切换 system prompt 和回复风格。示例构建能自动区分写作/问答/脑暴模式的交互机器人。学完可让 AI 更智能地响应不同需求，适合零基础读者向个性化 AI 助手方向收尾。

小小程序猿~~~

182人浏览 · 2026-03-15 12:00:04

小小程序猿~~~ · 2026-03-15 12:00:04 发布

大家好，我是链上杯子（CSDN：链上杯子）。

失业一年了，天天想着怎么翻身。最近的多轮对话虽然能聊了，但模型每次都用同一套风格回复，总觉得不够“聪明”。如果能让程序先判断用户想干什么（写故事？问问题？脑暴想法？），再自动选择不同的 prompt 模板或工具，交互就更像一个有脑子的助手了。今天试着搭一个最简单的 Agent 雏形，感觉离“自己写个小 Grok”又近了一点点，哈哈哈。

本课目标：学会用 if 判断用户意图（关键词匹配或简单分类），根据意图选择不同的 prompt 模板或处理逻辑。构建一个基础 AI Agent，能根据输入自动切换“写作模式”“问答模式”“脑暴模式”等，实现更智能的交互。

核心代码实战

1. 基础意图判断 —— 用关键词匹配

def detect_intent(user_input):
    text = user_input.lower()

    if any(word in text for word in ["写", "故事", "小说", "文案", "诗", "段落"]):
        return "writing"
    elif any(word in text for word in ["问", "什么", "怎么", "解释", "介绍", "是", "吗", "？"]):
        return "qa"
    elif any(word in text for word in ["想法", "脑暴", "点子", "建议", "推荐", "几个"]):
        return "brainstorm"
    else:
        return "general"

# 测试
print(detect_intent("帮我写一段关于未来的短故事"))      # writing
print(detect_intent("Python 的列表和元组有什么区别？"))   # qa
print(detect_intent("给我脑暴 5 个小红书标题的创意"))     # brainstorm

2. 根据意图选择不同 prompt 模板 + 调用 API

import requests

# API 配置（同前课）
api_url = "https://api.deepseek.com/v1/chat/completions"
api_key = "你的 DeepSeek API Key"
headers = {"Authorization": f"Bearer {api_key}", "Content-Type": "application/json"}

def get_system_prompt(intent):
    if intent == "writing":
        return "你是一个专业创意写手，擅长小说、文案、诗词。输出直接开始正文，风格根据用户要求调整。"
    elif intent == "qa":
        return "你是一个知识渊博的导师，回答问题时准确、简洁、有条理。必要时分点说明。"
    elif intent == "brainstorm":
        return "你是一个脑暴高手，想法大胆、有趣、多角度。每次给出 5-8 个创意，用编号列出。"
    else:
        return "你是一个友好助手，根据用户需求自然回复。"

def call_llm(messages):
    data = {
        "model": "deepseek-chat",
        "messages": messages,
        "temperature": 0.8,
        "max_tokens": 800
    }
    try:
        resp = requests.post(api_url, headers=headers, json=data, timeout=30)
        resp.raise_for_status()
        return resp.json()["choices"][0]["message"]["content"].strip()
    except Exception as e:
        return f"调用失败：{str(e)}"

# 主循环
messages = [{"role": "system", "content": "你是一个多功能助手，根据用户意图自动切换模式。"}]

print("=== 简单 AI Agent 开始（输入 'quit' 退出） ===")

while True:
    user_input = input("你：")
    if user_input.lower() == "quit":
        break

    intent = detect_intent(user_input)
    print(f"[调试] 检测到意图：{intent}")

    # 动态调整 system prompt（或追加一条 system 消息）
    messages.append({"role": "user", "content": user_input})

    # 可以选择在这里插入一条临时 system 消息来强化意图
    temp_messages = messages.copy()
    temp_messages.insert(1, {"role": "system", "content": get_system_prompt(intent)})

    reply = call_llm(temp_messages)
    print("AI：", reply)

    messages.append({"role": "assistant", "content": reply})

运行示例对话：

你：写一个关于猫咪穿越的短故事 → 意图 writing → 用写作风格回复故事
你：Python lambda 怎么用？ → 意图 qa → 用解释风格分点回答
你：脑暴 10 个周末约会点子 → 意图 brainstorm → 列出编号创意

3. 扩展：加“保存历史”命令

# 在循环里加
if user_input.lower() == "save":
    import json
    with open("agent_history.json", "w", encoding="utf-8") as f:
        json.dump(messages, f, ensure_ascii=False, indent=2)
    print("历史已保存到 agent_history.json")
    continue