第一章习题

[gcthomas]

在 1.3 节的智能旅行助手基础上，请思考如何添加以下功能（可以只描述设计思路，也可以进一步尝试代码实现）：

• 添加一个"记忆"功能，让智能体记住用户的偏好（如喜欢历史文化景点、预算范围等）
• 当推荐的景点门票已售罄时，智能体能够自动推荐备选方案
• 如果用户连续拒绝了 3 个推荐，智能体能够反思并调整推荐策略

记忆功能思路如下：

智能旅行助手 - 记忆偏好功能需求规格说明书

1. 现有代码分析

1.1 核心功能逻辑

当前 FirstAgentTest.py 实现了一个基于 ReAct 模式的智能旅行助手:

• 角色: 智能旅行助手
• 可用工具:
  • get_weather(city: str): 查询指定城市的实时天气
  • get_attraction(city: str, weather: str): 根据城市和天气推荐旅游景点
• 工作流程:
  1. 用户输入请求
  2. LLM 生成 Thought-Action 对
  3. 解析并执行 Action (调用工具或结束任务)
  4. 记录 Observation 结果
  5. 循环直到收到 Finish 指令

1.2 当前限制

• 无状态设计: 每次对话都是独立的,无法跨会话保持上下文
• 无记忆机制: 无法记住用户的历史偏好、决策模式等信息
• 个性化缺失: 景点推荐仅基于天气,不考虑用户个人喜好

2. 记忆功能需求

2.1 核心目标

让智能体能够记住和利用用户偏好,提供更个性化的旅行建议。

2.2 需要记忆的信息类型

2.2.1 用户偏好配置

偏好维度	数据类型	示例值	说明
景点类型	List[str]	["历史文化", "自然风光", "博物馆"]	用户感兴趣的景点类别
预算范围	Dict	{"min": 100, "max": 500}	单次旅行预算范围(元)
出行方式	str	"公共交通" / "自驾" / "步行"	偏好的交通方式
活动强度	str	"轻松" / "中等" / "挑战"	体力消耗偏好
出行时间	str	"周末" / "节假日" / "工作日"	偏好的出行时间段
人数	int	1-10	通常出行人数
特殊需求	List[str]	["无障碍设施", "儿童友好"]	特殊需求标签

2.2.2 历史交互记录

• 用户查询过的城市
• 用户接受/拒绝的推荐
• 用户反馈的评价

2.2.3 会话上下文

• 当前对话的主题
• 用户在对话中提到的临时偏好

2.3 功能需求

2.3.1 记忆存储

• 持久化存储: 将用户偏好保存到本地文件(JSON格式)
• 文件路径: code/chapter1/user_preferences.json
• 存储结构:

{
  "user_id": "default",
  "preferences": {
    "attraction_types": [],
    "budget": {"min": 0, "max": null},
    "transport_mode": null,
    "activity_level": null,
    "preferred_time": null,
    "group_size": null,
    "special_requirements": []
  },
  "history": {
    "searched_cities": [],
    "accepted_recommendations": [],
    "rejected_recommendations": []
  },
  "last_updated": "2024-01-01T00:00:00"
}

2.3.2 记忆读取

• 在每次对话开始时加载用户偏好
• 将偏好信息注入到 System Prompt 中
• 在工具调用时传递偏好参数

2.3.3 记忆更新

• 主动提取: 从用户对话中识别偏好信息并自动记录
• 显式设置: 用户可以通过特定指令更新偏好(如"我喜欢历史文化景点")
• 反馈学习: 根据用户对推荐结果的反馈调整偏好权重

2.3.4 记忆使用

• 景点推荐时结合用户偏好
• 天气查询后,根据偏好筛选景点
• 提供个性化的推荐理由

3. 技术实现方案

3.1 架构设计

┌─────────────────────────────────────────────────────────┐
│                    主控制循环                             │
│  (解析Thought-Action, 执行工具, 记录Observation)          │
└─────────────────────────────────────────────────────────┘
                            │
                            ├─→ 工具调用
                            │   ├─→ get_weather()
                            │   └─→ get_attraction(city, weather, preferences)
                            │
                            └─→ 记忆管理
                                ├─→ MemoryManager.load_preferences()
                                ├─→ MemoryManager.save_preferences()
                                └─→ MemoryManager.extract_preferences_from_dialog()

3.2 核心组件设计

3.2.1 MemoryManager 类

class MemoryManager:
    """管理用户偏好记忆的存储和读取"""
    
    def __init__(self, file_path: str = "user_preferences.json"):
        self.file_path = file_path
        self.preferences = self.load_preferences()
    
    def load_preferences(self) -> dict:
        """从文件加载用户偏好"""
        
    def save_preferences(self) -> bool:
        """保存用户偏好到文件"""
        
    def update_preference(self, key: str, value: any) -> bool:
        """更新单个偏好项"""
        
    def get_preferences_summary(self) -> str:
        """获取偏好摘要(用于注入Prompt)"""
        
    def extract_preferences_from_dialog(self, dialog_text: str) -> dict:
        """从对话中提取偏好信息"""

3.2.2 工具函数增强

def get_attraction(city: str, weather: str, preferences: dict = None) -> str:
    """
    根据城市、天气和用户偏好搜索景点推荐
    
    Args:
        city: 城市名称
        weather: 天气状况
        preferences: 用户偏好字典(可选)
    """
    # 构造包含偏好的查询
    if preferences:
        query = f"'{city}' 在'{weather}'天气下"
        if preferences.get('attraction_types'):
            query += f", 适合{', '.join(preferences['attraction_types'])}爱好者"
        if preferences.get('budget'):
            query += f", 预算{preferences['budget']['min']}-{preferences['budget']['max']}元"
        query += "的旅游景点推荐及理由"
    else:
        query = f"'{city}' 在'{weather}'天气下最值得去的旅游景点推荐及理由"
    
    # 调用Tavily API...

3.2.3 System Prompt 增强

ENHANCED_SYSTEM_PROMPT = """
你是一个智能旅行助手。你的任务是分析用户的请求,并使用可用工具一步步地解决问题。

# 用户偏好记忆:
{preferences_summary}

# 可用工具:
- `get_weather(city: str)`: 查询指定城市的实时天气。
- `get_attraction(city: str, weather: str, preferences: dict)`: 根据城市、天气和用户偏好搜索推荐的旅游景点。
- `update_preference(key: str, value: any)`: 更新用户偏好设置。

# 重要提示:
- 在推荐景点时,请优先考虑用户的偏好记忆
- 如果用户在对话中提到偏好信息,请使用update_preference工具记录
- 当收集到足够信息可以回答用户问题时,必须使用 Action: Finish[最终答案] 格式结束

# 输出格式要求:
你的每次回复必须严格遵循以下格式,包含一对Thought和Action:

Thought: [你的思考过程和下一步计划]
Action: [你要执行的具体行动]

Action的格式必须是以下之一:
1. 调用工具:function_name(arg_name="arg_value")
2. 结束任务:Finish[最终答案]

请开始吧!
"""

3.3 实现步骤

步骤 1: 创建 MemoryManager 类

• 文件位置: code/chapter1/memory_manager.py
• 实现偏好文件的读取、保存、更新功能
• 提供偏好摘要生成方法

步骤 2: 修改工具函数

• 增强 get_attraction() 函数,接收 preferences 参数
• 在查询中融入用户偏好信息
• 添加 update_preference() 工具函数

步骤 3: 修改主循环

• 初始化时加载 MemoryManager
• 在每次 LLM 调用前,将偏好摘要注入 System Prompt
• 在工具调用时传递 preferences 参数

步骤 4: 添加偏好提取逻辑

• 使用 LLM 从用户对话中提取偏好信息
• 自动调用 update_preference() 保存提取的偏好

步骤 5: 测试验证

• 测试偏好存储和读取
• 测试偏好驱动的个性化推荐
• 测试偏好更新功能

4. 数据示例

4.1 用户偏好文件示例

{
  "user_id": "default",
  "preferences": {
    "attraction_types": ["历史文化", "博物馆"],
    "budget": {"min": 50, "max": 300},
    "transport_mode": "公共交通",
    "activity_level": "轻松",
    "preferred_time": "周末",
    "group_size": 2,
    "special_requirements": []
  },
  "history": {
    "searched_cities": ["北京", "上海"],
    "accepted_recommendations": ["故宫博物院", "国家博物馆"],
    "rejected_recommendations": ["长城"]
  },
  "last_updated": "2024-01-15T10:30:00"
}

4.2 个性化推荐示例

用户输入: "推荐一个北京的好去处"

系统思考过程:

1. 查询北京天气
2. 读取用户偏好:喜欢历史文化、博物馆,预算50-300元,轻松活动
3. 调用 get_attraction(city="北京", weather="晴", preferences={...})
4. 返回个性化推荐: "故宫博物院(门票60元,历史文化景点,适合轻松游览)"

5. 扩展性考虑

5.1 未来增强方向

• 多用户支持: 为不同用户维护独立的偏好文件
• 偏好权重: 为不同偏好项设置权重,影响推荐优先级
• 时间衰减: 偏好信息随时间衰减,旧偏好影响逐渐减小
• 协同过滤: 基于相似用户的偏好进行推荐

5.2 技术优化

• 使用数据库替代JSON文件(如SQLite)
• 实现偏好版本管理,支持回滚
• 添加偏好冲突解决机制

6. 风险与限制

6.1 潜在风险

• 隐私问题: 用户偏好数据需要妥善保护
• 数据损坏: JSON文件可能被意外损坏,需要备份机制
• 偏好过时: 用户偏好可能随时间变化,需要定期验证

6.2 缓解措施

• 添加文件读写异常处理
• 实现自动备份功能
• 提供偏好重置选项

7. 验收标准

• 能够成功加载和保存用户偏好文件
• 景点推荐能够结合用户偏好
• 能够从对话中自动提取并更新偏好
• 偏好信息正确注入到System Prompt中
• 异常情况下能够优雅降级(无偏好时仍能工作)

---