AI赋能AI开发：利用快马平台的多模型能力优化与增强你的skills智能体
最近在做一个旅行规划智能体的项目，发现用AI来开发AI真的能事半功倍。今天分享一下在InsCode(快马)平台上，如何用多模型能力优化智能体的完整过程。
初始版本的问题刚开始做的旅行规划智能体只能根据城市推荐景点，功能比较单一。用户测试时发现，很多人会顺带问"那里有什么好吃的"、"住哪里方便"这类问题，但系统只会机械地回答"请告诉我您想了解哪个城市"。
用AI分析用户需求平台内置的Kimi-K2模型特别适合做对话日志分析。我把测试阶段的100多条用户对话记录导入后，AI自动生成了分析报告：
- 餐饮相关问题占比42%（问得最多的是当地特色菜和人均消费）
- 住宿问题占比35%（集中在价格区间和地理位置）
- 景点问题仅占23%
- 智能迭代开发根据分析结果，用平台的代码生成功能做了两件事：
- 新增美食推荐模块：调用本地餐饮数据库+网络评价数据，能按预算/口味做推荐
- 开发酒店比价功能：聚合主流平台的实时价格，添加距离景点的交通时间维度
- 效果对比优化前后的对话差异很明显：
- 旧版："北京有什么景点？" → "推荐故宫、长城..."
- 新版："带父母去北京玩3天" → "景点推荐故宫(附轮椅租赁信息)，附近有老字号烤鸭店(人均150元)，2公里内4星酒店均价500元(含接送服务)"
- 持续优化技巧
- 用Deepseek模型做意图识别训练，现在能理解"想找浪漫的餐厅"这类模糊需求
- 设置自动学习机制：每周分析新对话数据，发现"签证政策"询问量上升，正准备添加该skill
整个过程最省心的是不用自己搭建开发环境，在InsCode(快马)平台上可以直接调试和部署。特别是AI辅助分析需求这个环节，传统方式要写一堆正则表达式统计关键词，现在模型直接给出可视化报告，还能建议优化方向。对于想尝试智能体开发的新手，这种"用AI开发AI"的模式确实能少走很多弯路。