智能盒子-Agent-Skill-执行逻辑架构
智能盒子-Agent-Skill-执行逻辑架构
在 智能盒子的架构中，Agent Skill（智能插件/工具）的执行逻辑是一个从“非结构化语音输入”到“结构化指令执行”，再到“感知反馈”的完整闭环。
它基于MCP (Model Context Protocol)协议，通过Function Calling机制实现。以下是详细的执行逻辑拆解：
1. 整体执行流程图
Agent Skill 的执行不是孤立的，它与意图识别、长短期记忆以及情感引擎深度耦合。
2. 核心执行阶段
第一阶段：意图识别与工具匹配 (Intent Routing)
- 语音转文字 (ASR)：用户输入（如：“帮我看看明天武汉要不要带伞”）。
- 意图路由 (Router)：中台根据用户话术解析意图。如果识别为“查询类”或“控制类”，则进入 Skill 匹配流程。
- 可用工具检索 (Discovery)：系统从
Available Tools库中根据当前上下文检索匹配的 Skill 定义（如：get_weather）。
第二阶段：参数抽取与指令生成 (Parameter Extraction)
- 大模型推理：将用户输入与选定的工具 Meta 信息（JSON Schema）投喂给 LLM。
- 结构化输出：LLM 不直接回答问题，而是输出符合标准的JSON 指令。
- 示例：
{"tool": "weather_service", "params": {"city": "Wuhan", "date": "tomorrow"}}
- 示例：
- MCP 插件下沉：通过 MCP 协议将该 JSON 指令分发至具体的业务逻辑层或边缘端（ESP32）。
第三阶段：任务编排与执行 (Orchestration & Execution)
- 原子化拆解：对于复杂任务（如：“先帮我开灯，然后查一下最近的新闻”），编排引擎会将请求拆分为多个顺序或并行的 Skill 调用。
- 闭环执行：
- 外部调用：访问天气 API、搜索接口或 IoT 指令。
- 异常处理：若工具调用失败（如接口超时），系统需捕获 Error 并反馈给 LLM 进行自愈或提示用户。
第四阶段：感知更新与结果润色 (Feedback & Response)
- 记忆写入：执行结果（如：“武汉明天有雨”）会被存入短期记忆。
- 情绪/亲密度反馈：
- 成功执行：触发
on_skill_success，根据 PRD 逻辑，增加 AI 的支配感（Dominance）和用户亲密度（Intimacy += 0.01）。
- 成功执行：触发
- 最终回复生成：LLM 结合执行结果与当前性格/情绪状态，生成拟人化的语音回复。
3. 基于 Go-zero 的技术实现细节
在你的项目中，这套逻辑在代码层面通常表现为以下链路：
定义层 (Schema)：在
go-zero的插件服务中定义各 Skill 的输入输出规范。调用层 (Invocation)：
Go
// 简化后的工具调度逻辑 func (s *SkillEngine) Execute(ctx context.Context, call ToolCall) (string, error) { // 1. 意图分发 handler, ok := s.registry[call.FunctionName] if !ok { return "", ErrToolNotFound } // 2. 权限/上下文检查 (结合 RAG 记忆) // 3. 业务逻辑执行 result, err := handler.Do(ctx, call.Arguments) // 4. 反馈给情绪引擎更新 PAD 状态 s.moodService.UpdateByAction(call.FunctionName, err == nil) return result, nil }
4. 关键特性：MCP 协议的意义
通过引入MCP (Model Context Protocol)，你的 Agent Skill 具备了以下优势：
- 标准化：无论 Skill 是运行在云端（天气预报）还是边缘端 ESP32（红外控制），其接口协议是统一的。
- 动态性：LLM 可以根据当前对话的上下文，动态决定是否需要“增加”某个临时工具，实现真正的任务编排。
- 安全隔离：大模型只负责“决策”调用哪个工具，而“执行”权在受控的插件系统中，避免了注入风险。
总结：Agent Skill 的执行逻辑是“识别 -> 拆解 -> 执行 -> 反馈”。在 智能盒子中，它不仅完成了功能交付，更通过执行结果的反馈，驱动了 AI 长期记忆的更新和情感状态的起伏。