多平台智能体以及网页前后端、嵌入式开发实例

摘要

在本科期间，本人因包括长文献阅读、项目推进等实际需要，学习了LangChain等智能体技术，这有助于提高研究生科研与日后的工作效率；作为竞赛产出，本人参与了浙江省人工智能竞赛， 团队参赛作品“日程规划精灵”智能体依托钉钉平台 UI 工作流完成自然语言任务解析、候选日程决策与交互输出。 相比平台默认模板，该方案更强调结构化变量抽取、逻辑校验与可扩展执行流程，在多日程连续创建和批量导入课表场景中表现更稳定。

项目背景与个人职责

范式一：AI 决策 + 代码规范化变量 + 模块执行

竞赛作品主要利用钉钉平台，依托平台UI操作构建了“日程规划精灵”这一智能体，在开发智能体的过程中，本人总结了“AI提取信息并决策+代码规范变量+模块执行”的UI类智能体开发路径；具体内涵是指对于用户输入的自然语言信息（比如“在明天早上八点创建吃早饭日程”），传统的代码约束难以处理灵活多变的语言形态，所以利用UI设置LLM在用户输入的语言指令中需要提取的信息（如：定义为时间格式变量的日程时间，定义为字符串变量的日程内容），再利用AI-Prompt设置，将用户需求与现有钉钉日程做比较，避开冲突时间（平台提供查询现有日程接口，GUI智能体开发界面可以设置），AI决策出两个待选日程规划选项，并输出JSON格式决策结果；为了将JSON转换为智能体内的变量，同时做基本的逻辑检查（比如“早上”的大致时间有无和日程规划时间相冲突），再引入微代码块进行JSON检查与变量转换；最后利用平台提供的选项输出模块（GUI设置），将日程决策选项输出到用户对话界面。

范式二：宏观循环与微观公式代码多维嵌入

在“批量导入大学课表”场景中，LLM 不适合承担大量重复计算。 因此将“课程周际平移”与“每周课程逐条写入”拆成双重循环，形成 M × N（周内课程数 × 学期周数）的批量创建流程。 同时把“上课时间 + 周偏移 × 7 天”等运算放到公式/代码模块执行， 避免把确定性计算交给大模型，从而提高性能与稳定性。

宏观与微观协同示意（伪代码）

for course in weekly_courses:
  first_time = calc_first_week_time(course)
  for week in semester_weeks:
    class_time = first_time + week * 7days
    create_schedule(course.name, class_time, course.duration)

路演：树莓派边缘智能体

为了更直观展示智能体在真实设备中的落地能力，我完成了树莓派 + 云服务的路演系统搭建。 在边缘端通过语音输入触发日程指令，在云端完成解析与日程更新，再回传结果到设备侧界面， 从而验证“智能体能力可迁移到边缘场景”的工程可行性。

路演使用 https://ai.cxrice.tech/ 作为云服务入口：该站点通过 DeepseekChat_API 进行调用，并沿用本项目“AI 决策 + 代码规范变量 + 模块执行”的智能体开发思想实现 Web 端流程，同时向树莓派侧提供云服务能力。

LangChain/RAG 实践

除了依托大平台的 UI 智能体，我还在 Python 技术栈上完成了 LangChain 长文本检索问答智能体的构建。 对于阅读或利用部分长文本（如技术手册、哲学文献等）的任务中，主要是利用RAG（检索增强生成）流程构建LangChain RunnableSequence链式处理机制，包含模板（用户问题与资料预处理）→模型（请求DeepseekAPI处理）→输出解析器（输出md文本字符串）三大步骤；以长篇哲学文本《圣经》阅读Demo为例，智能体启动时加载并分割圣经文本（预处理为共1301个文本块，一块1200字，上下重叠120字），再处理用户问题（如“基督教新约哲学的’因信称义’是什么”，分词为双字符组合，如“因信”“称义”），再对预处理后的文本块进行遍历，按文本块的匹配程度进行排名，以此旧约等无关内容可以过滤很大一部分；在利用LangChain的Prompt约束，比如要求必须优先依据提供的圣经片段，不得编造经文，并插入上述检索到的最相关圣经段落、用户问题、对话上下文等；最后调用Deepseek-API密钥，将生成的回答返回用户。根据上述社科应用的工程样例可知，以LangChain为核心的智能体开发对工作效率提升的有很大帮助。

LangChain《圣经》阅读智能体体验链接

PDF报告

若浏览器无法直接预览 PDF，可使用“新窗口打开”按钮。

PPT预览

若浏览器或网络环境无法直接预览 PPT，可使用“新窗口打开”按钮。