Z-Image-Turbo-辉夜巫女智能体开发：基于Skills框架构建专属AI助手

最近在折腾AI应用开发，发现一个挺有意思的组合：用Z-Image-Turbo-辉夜巫女这个多模态模型当大脑，再配上Skills这个智能体框架，就能快速搭出一个能说会看、还能干点实事的AI助手。这感觉就像给一个聪明的AI装上了手脚，让它不仅能理解你的话，还能主动去查资料、处理信息，甚至生成图文内容来回应你。

我拿这个组合试了试，做了个简单的智能客服助手原型。效果还挺让人惊喜的，它不仅能回答文字问题，遇到需要展示产品或者解释流程的时候，还能自己生成对应的示意图，回复变得生动多了。整个过程下来，感觉Skills框架把那些复杂的智能体开发流程，比如工具调用、状态管理这些，封装得挺友好，让开发者能更专注于业务逻辑本身。

这篇文章，我就跟你聊聊怎么用这套组合拳，从零开始构建一个属于你自己的、功能更强的AI助手。我们会重点放在“怎么用”和“能做什么”上，避开那些深奥的理论，直接上手实践。

1. 为什么选择这个组合？先看看它能做什么

在动手之前，我们得先搞清楚，Z-Image-Turbo-辉夜巫女加上Skills框架，到底能碰撞出什么火花。简单来说，这是一个“强认知大脑”加“灵活执行手脚”的组合。

Z-Image-Turbo-辉夜巫女本身是一个很强大的多模态模型。它不单能处理文字，还能看懂图片，甚至根据文字描述生成图片。这意味着，你构建的AI助手能拥有“视觉”能力。比如，用户发来一张产品故障图，助手能先识别图片内容，再结合文字对话历史，给出更精准的排查建议。

而Skills框架，它的核心价值在于“编排”和“执行”。它提供了一套清晰的机制，让你可以：

• 定义工具（Skills）：把任何你想让AI助手做的事情，比如查询数据库、调用某个API、运行一段计算代码，都包装成一个独立的“工具函数”。
• 编排工作流：设定规则，告诉AI助手在什么情况下应该去调用哪个工具。比如，当用户问题涉及订单查询时，就自动触发“查询订单数据库”这个工具。
• 管理对话状态：智能对话往往不是一问一答就结束的。Skills框架能帮你记住对话的上下文，管理多轮对话的复杂状态，让助手表现得更连贯、更智能。

把它们俩结合起来，你得到的就是一个：能够理解复杂指令（包括图文）、可以自主决定调用哪些外部能力、并且能维持上下文进行连贯对话的AI智能体。这比单纯用一个聊天模型要强大和实用得多。

2. 环境准备与项目搭建

好了，理论部分点到为止，我们直接开始动手。首先，你得把“舞台”搭好。

2.1 核心依赖安装

假设你已经有了Python环境（建议3.8以上），我们通过pip来安装最核心的包。打开你的终端或命令行，创建一个新的项目目录，然后安装以下依赖：

# 创建项目目录并进入
mkdir my_ai_assistant && cd my_ai_assistant

# 创建虚拟环境（可选，但推荐）
python -m venv venv
# Windows激活: venv\Scripts\activate
# Mac/Linux激活: source venv/bin/activate

# 安装核心框架和模型SDK
# 这里假设Skills框架和Z-Image-Turbo的SDK可以通过pip安装
# 请根据实际的包名进行安装，例如：
pip install skills-framework
pip install z-image-turbo-sdk
# 通常还需要基础的AI库
pip install openai  # 或其他兼容的LLM SDK

注意：上面的 skills-framework 和 z-image-turbo-sdk 是示例包名，你需要替换成实际的、可安装的包名。如果官方提供了特定的安装方式，请以其为准。安装过程中可能会遇到一些依赖问题，按照提示解决即可，大部分是安装一些系统库或者升级pip。

2.2 初始化你的智能体项目

安装好后，我们来创建一个最简单的智能体骨架。在项目根目录下，创建一个名为 assistant.py 的文件。

# assistant.py
import asyncio
from skills import Agent, Skill, Runner
# 导入Z-Image-Turbo模型，这里假设其SDK提供了一个类似`ZImageTurbo`的类
from z_image_turbo import ZImageTurbo

# 1. 初始化核心模型
# 你需要替换成你自己的API密钥或模型路径
model = ZImageTurbo(api_key="your_api_key_here", base_url="https://api.example.com")

# 2. 创建一个智能体（Agent）实例
# 给它起个名字，并设定它的系统角色指令，这决定了它的行为基调
my_assistant = Agent(
    name="智能客服小辉",
    instructions="""
    你是一个专业的智能客服助手，名叫小辉。
    你的核心能力是结合Z-Image-Turbo模型的多模态理解与生成能力，为用户提供准确、友善、图文并茂的解答。
    当用户的问题涉及产品外观、操作步骤、故障现象时，你可以主动生成示意图来辅助说明。
    请保持回复简洁、专业，且乐于助人。
    """,
    model=model, # 将我们初始化好的模型赋给智能体
)

async def main():
    # 3. 创建一个运行器（Runner），它负责管理对话的轮次和状态
    runner = Runner(agent=my_assistant)

    # 4. 进行一轮简单的测试对话
    user_input = "你好，介绍一下你们的最新款智能手机。"
    print(f"用户: {user_input}")

    # 运行器处理用户输入，并返回助手的回复
    response = await runner.run(user_input)
    print(f"助手: {response}")

if __name__ == "__main__":
    asyncio.run(main())

运行这个脚本 (python assistant.py)，如果一切配置正确，你应该能看到助手基于你给的系统指令，生成一段关于智能手机的介绍文字。虽然现在它还不能调用工具或生成图片，但最基本的对话链路已经通了。

3. 赋予智能体“技能”：封装工具函数

智能体光会聊天还不够，得让它能“做事”。在Skills框架里，“做事”的能力被抽象为一个个 Skill（技能）。我们来给它添加两个实用的技能。

3.1 技能一：查询产品知识库

假设我们有一个简单的产品信息字典作为知识库。我们创建一个技能，让助手在需要时能查询它。

# 在 assistant.py 中继续添加
from skills import skill

# 模拟一个简单的产品知识库
product_knowledge_base = {
    "phone_x1": {
        "name": "超感旗舰Phone X1",
        "price": "5999元起",
        "features": ["6.8英寸柔性屏", "骁龙最新处理器", "1亿像素主摄", "5000mAh电池"],
        "description": "主打影像和性能的旗舰机型。"
    },
    "laptop_z2": {
        "name": "轻薄本Laptop Z2",
        "price": "4999元起",
        "features": ["13.3英寸2.5K屏", "12代酷睿i5", "16GB内存", "512GB SSD", "重量1.2kg"],
        "description": "适合移动办公和学习的超便携笔记本。"
    }
}

# 使用 @skill 装饰器定义一个技能
@skill
def query_product_info(product_id: str) -> str:
    """
    根据产品ID查询产品详细信息。
    
    Args:
        product_id: 产品标识，例如 'phone_x1'。
    
    Returns:
        产品的详细信息字符串，如果未找到则返回提示。
    """
    product = product_knowledge_base.get(product_id)
    if product:
        info = f"产品名称：{product['name']}\n"
        info += f"价格：{product['price']}\n"
        info += f"主要特点：{', '.join(product['features'])}\n"
        info += f"描述：{product['description']}"
        return info
    else:
        return f"未找到产品ID为 '{product_id}' 的信息。"

3.2 技能二：生成产品示意图

这是发挥Z-Image-Turbo-辉夜巫女威力的地方。我们定义一个技能，让助手能根据文字描述生成图片。

# 继续在 assistant.py 中添加
import base64
from pathlib import Path

@skill
async def generate_product_image(description: str, save_path: str = "./generated_images") -> str:
    """
    根据描述生成产品示意图，并保存到本地。
    
    Args:
        description: 对所需图片的详细文字描述。
        save_path: 图片保存的目录路径。
    
    Returns:
        保存图片的本地文件路径，或错误信息。
    """
    try:
        # 确保保存目录存在
        Path(save_path).mkdir(parents=True, exist_ok=True)
        
        # 调用Z-Image-Turbo模型的文生图功能
        # 注意：这里调用的是假设的异步接口 `agenerate_image`
        image_response = await model.agenerate_image(
            prompt=f"产品示意图，风格简洁专业，适合客服场景。{description}",
            size="1024x768",
            quality="standard"
        )
        
        # 假设返回的 image_response 包含图像的 base64 编码数据
        image_data = base64.b64decode(image_response.data)
        
        # 生成文件名并保存
        import time
        filename = f"product_{int(time.time())}.png"
        file_path = Path(save_path) / filename
        
        with open(file_path, "wb") as f:
            f.write(image_data)
        
        print(f"[技能日志] 图片已生成并保存至: {file_path}")
        return str(file_path)
        
    except Exception as e:
        error_msg = f"生成图片时出错: {str(e)}"
        print(f"[技能日志] {error_msg}")
        return error_msg

关键点：@skill 装饰器会告诉Skills框架，这个函数是一个可以被智能体调用的“工具”。函数需要有清晰的参数和文档字符串，这样框架和模型才能更好地理解何时以及如何调用它。

4. 组装与测试：让智能体真正工作起来

现在，我们把技能“装配”到智能体上，并设计一个简单的工作流来测试它。

4.1 将技能注册给智能体

修改我们之前创建的 my_assistant 部分，将技能添加进去。

# 更新 assistant.py 中创建智能体的部分
my_assistant = Agent(
    name="智能客服小辉",
    instructions="""
    你是一个专业的智能客服助手，名叫小辉。
    你的核心能力是结合Z-Image-Turbo模型的多模态理解与生成能力，为用户提供准确、友善、图文并茂的解答。
    
    你可以使用以下技能：
    1. `query_product_info`: 当用户询问特定产品的详细信息（如价格、特点）时，使用此技能。你需要从用户问题中提取或推断出`product_id`（例如‘phone_x1’）。
    2. `generate_product_image`: 当用户的问题适合用图片辅助说明时（例如询问产品外观、操作流程、对比示意图），使用此技能。你需要构思一个清晰、专业的图片描述。
    
    请根据对话上下文，自主决定是否需要以及何时调用这些技能。调用技能后，将技能返回的结果自然地整合到你的回复中。
    如果生成了图片，请在回复中提及图片已生成，并描述其内容。
    请保持回复简洁、专业，且乐于助人。
    """,
    model=model,
    skills=[query_product_info, generate_product_image], # 在这里注册技能！
)

4.2 设计一个多轮对话测试

我们更新 main 函数，模拟一个更复杂的、涉及多轮对话和技能调用的场景。

async def main():
    runner = Runner(agent=my_assistant)
    
    # 模拟对话轮次
    conversation = [
        “你好，我想了解一下Phone X1这款手机。”
        “它拍照功能怎么样？能生成一张示意图看看后置摄像头模组的设计吗？”
        “好的，另外它的价格是多少？”
    ]
    
    print("=== 开始智能客服对话测试 ===\n")
    
    for user_msg in conversation:
        print(f"[用户] {user_msg}")
        # runner.run 会自动处理历史消息，管理对话状态
        assistant_response = await runner.run(user_msg)
        print(f"[小辉] {assistant_response}\n")
        await asyncio.sleep(1) # 稍微延迟，模拟思考时间
    
    print("=== 对话测试结束 ===")

if __name__ == "__main__":
    asyncio.run(main())

运行这个更新后的脚本，你会看到智能体“小辉”的完整工作流程：

1. 第一轮，它识别出用户询问产品信息，可能会调用 query_product_info 技能，获取Phone X1的文本信息并回复。
2. 第二轮，用户请求生成图片。小辉会调用 generate_product_image 技能，生成一张摄像头模组的示意图，并在回复中告知用户图片已生成（甚至可能返回图片路径或标记）。
3. 第三轮，用户再次询问价格。由于对话历史中已经提过Phone X1，小辉可以直接从记忆里提取信息，或者再次查询，然后给出回答。

这个过程展示了Skills框架如何管理工具调用和对话状态，让AI助手的行为看起来更有逻辑、更连贯。

5. 更进一步：优化与扩展思路

一个能跑通的demo只是起点。要让这个智能体真正好用，还可以从这些方面入手：

• 设计更精细的提示词：系统指令（instructions）是智能体的“宪法”。你可以把它写得更详细，规定好不同场景下的回复风格、技能调用优先级、安全边界等。好的提示词能大幅提升智能体的可靠性和专业性。
• 接入真实数据源：把 query_product_info 技能背后的字典，换成连接真实数据库、CRM系统或内部知识库的API。这样助手就能提供实时、准确的信息。
• 处理复杂工作流：有些任务需要按顺序调用多个技能。Skills框架支持更复杂的工作流定义，你可以让助手先查询信息，再根据结果生成报告，最后把报告发送给指定邮箱，形成一个自动化流程。
• 加入对话记忆管理：虽然Runner已经管理了基础上下文，但对于非常长的对话，你可能需要实现更高级的记忆机制，比如总结之前的对话重点，或者将重要信息存入长期记忆。
• 构建用户界面：最后，为你的智能体开发一个Web界面、聊天机器人插件（如钉钉、飞书、微信）或语音接口，让最终用户能方便地使用它。

6. 写在最后

用Z-Image-Turbo-辉夜巫女和Skills框架来开发智能体，整个过程感觉像是在搭积木。模型提供了强大的认知和生成能力，而框架则提供了清晰的蓝图和连接件，让你能专注于实现那些有价值的业务功能。

我搭建的这个客服助手原型虽然简单，但已经展示了这种模式的潜力。它不再是一个简单的问答机器，而是一个能主动获取信息、并选择最佳方式（文字或图片）进行回复的“智能体”。在实际项目中，你可以根据具体需求，为它注入更多的技能，比如处理订单、查询物流、甚至分析用户上传的图片进行售后支持。

开发过程中，最花时间的部分往往是设计清晰的技能接口和编写有效的系统指令。一旦这部分理顺了，后面的组合和扩展就会非常顺畅。如果你也正在寻找一种高效构建实用型AI助手的方法，不妨试试这个技术栈，从一个小功能开始，逐步迭代出更强大的智能体。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。