当前位置: 首页 > news >正文

2026年山东大学软件学院创新项目实训博客(六)

2026年山东大学软件学院创新项目实训博客(六)

一、工作进展

本阶段训练模块前端重写对 Agent 调度没有直接的功能影响——训练记录的新建、编辑、删除均由前端独立完成,不经过 Agent 对话链路。但训练模块的数据结构(plan 与 record 的区分、target_* 与 actual_* 的对比)直接塑造了 Agent 理解用户健身意图时的上下文结构。本阶段的核心工作是梳理这种影响,并为后续 Agent 介入训练记录场景做准备。

主要产出:

  1. 分析训练记录数据结构对 Agent 意图理解的影响
  2. 确认现有 Agent 工具集中训练子域工具的参数契约与前端新数据结构的一致性
  3. 梳理 Agent 介入训练记录场景(语音记账、计划调整建议)的潜在路径

二、详细内容

1. Plan 与 Record 的数据结构对 Agent 语境的影响

训练记录的核心结构是:同一张表存储 plan 和 record 两种类型,通过 record_type 字段区分;plan 有 target_* 字段,record 有 actual_* 字段,两组字段在同一张表里但语义完全不同。

从 Agent 的视角看,这个结构影响它对用户输入的理解。当用户说「我刚练完卧推」时,Agent 需要知道这是在创建一个 record 类型的完成记录,而不是修改一个 plan。当用户说「我打算下周开始练卧推」时,Agent 需要知道这应该创建一个 plan,记录的是目标数字而不是实际数字。

这两个场景的区分在对话中并不总是清晰的——用户可能说「练完卧推了,做了四组每组八次」,这里的「四组每组八次」是 actual_* 的数据还是 target_* 的数据?答案是 actual_*,但 Agent 需要从上下文判断:用户说「练完」是一个完成标记,说明这是 record 类型。

如果用户说「我准备四组卧推,每组八次」,这里的「四组每组八次」是目标计划,record_type 是 plan。这里的关键是「准备」这个动词和「练完」这个动词的区分。这种区分是 Agent 意图识别的核心工作,不是本阶段前端的工作范畴,但前端的数据结构设计需要为这种意图识别预留足够的语义空间。

2. 训练子域工具的参数契约一致性

在博客五时期,训练子域工具的 Prompt 已经扩展了操作枚举,包括了记录维护(create/update/delete)、当日查询、计划调整、动作库查询等操作。本轮前端重写引入了新的数据结构(plan 和 record 的区分,三种表单模式),工具的参数契约需要确认与新结构一致。

训练子域工具的核心参数结构与前端使用的 TrainingRecordCreate 类型基本对齐:date、action_name、record_type、target_、actual_、calories、notes。这与前端 repository 层定义的类型在字段名和类型上完全一致,说明前端的接入没有引入参数契约的漂移。

3. Agent 介入训练记录场景的路径

当前训练记录的创建和编辑完全由前端表单驱动,Agent 在训练侧的介入场景暂时限于对话式录入(即用户通过对话说「刚练完卧推四组八次」,Agent 解析后调用训练子域工具写入)。本阶段前端重写为这种对话式录入提供了更清晰的数据结构基础:

一是 plan 和 record 的语义边界更清晰了,Agent 在解析用户意图时可以更准确地判断应该创建哪种类型的记录。

二是 target_* 和 actual_* 的对比数据已经存在于后端,Agent 在做训练质量复盘时可以引用这些数据(比如「你计划卧推四组八次,实际完成了四组六次,重量还加了五公斤」),这种复盘反馈是 Agent 提供训练建议的重要上下文。

三是前端已经把动作名称的 AutoComplete 与动作库对齐,用户在表单中选择的动作名称一定是动作库里存在的名称。这意味着 Agent 在记录动作名称时也可以引用动作库做校验,避免「卧推」和「杠铃卧推」写法不一致导致的汇总问题。

三、总结

本阶段 Agent 侧工作的核心是为后续 Agent 介入训练场景做结构准备。

三个要点:

Plan 和 Record 的数据结构直接影响 Agent 对用户健身意图的理解——「练完」创建 record,「打算」创建 plan,这两种语义的区分需要在 Prompt 层做显式规则覆盖。

训练子域工具的参数契约与前端新数据结构一致,没有因前端重写引入漂移。这保证了 Agent 调用工具时后端能正确接收和存储。

前端动作库与表单的动作名对齐,为 Agent 提供了动作名的标准化基础——Agent 记录的动作名称会与动作库一致,后续汇总统计不会因动作名写法分散而出现误差。

http://www.jsqmd.com/news/887044/

相关文章:

  • 终极鼠标连点器使用指南:3分钟掌握高效自动化技巧
  • %u的几个格式化输出版本
  • 潮州东方轻奢风全屋高定找哪家
  • 贵阳婚礼西服定制攻略:面料、工艺、版型避坑指南
  • 量子软件测试的挑战与优化策略
  • DeepSeek-R1推理延迟骤降41.8%?独家披露3类硬件感知调度策略(A100/H100/MI300X实测对比数据)
  • 谁懂啊!Win11 部署 OpenClaw 踩过的坑,2.7.5 版本一次性解决
  • Simulink中Repeating Sequence锯齿波显示恒为0解决方案
  • 别再用SonarQube凑数了!DeepSeek原生圈复杂度引擎的6大颠覆性能力(含GitHub私有部署密钥)
  • DDD在DeepSeek场景中失效的7种典型征兆,第5种正在 silently 毁掉你的推理一致性
  • 终极指南:如何用ComfyUI-Manager轻松管理你的AI工作流扩展库
  • Veo 2胶片质感生成器失效?——深度解析Color Science v2.3内核中被屏蔽的Cinematic Grain Injection层
  • 从Sora 2原始张量到可交付MP4:端到端Pipeline中被92%开发者忽略的色彩空间转换断点(BT.2020→BT.709→sRGB三级校准手册)
  • 竞赛题解题方法
  • 基于DINOv2实现特征匹配异常检测
  • PIML技术提升CFD湍流模拟精度:从数据驱动到工程应用实践
  • 沪电股份一季度AI营收62亿元:从英伟达GPU打样到1.6T交换机配套
  • DeepSeek开源协议识别深度解析(MIT/Apache/GPL三协议法律边界大揭秘)
  • 从Dark Channel Prior到AOD-Net:手把手带你复现5个经典图像去雾算法(Python/PyTorch)
  • 【限时解密】Sora 2内部GIF编码协议曝光:如何用Python脚本强制启用LZW+Alpha通道(含GitHub私藏工具包)
  • Midjourney云雾动态演化技巧(雾流速/雾密度/雾边界锐度三维调控法):内含仅限订阅用户获取的雾效时间轴Prompt模板库
  • Midjourney锐化效果失效真相(2024官方未公开的渲染管线瓶颈解析)
  • 完整渗透测试用例表
  • 安居客nsign参数逆向与Unidbg模拟实战
  • YOLO11 改进系列 | 基于 MambaOut 门控框架与 SFSConv 空间频率选择的原创 C3k2_MambaOut_SFSC 模块,适合复杂纹理场景
  • 【算法设计与分析】第7篇:01背包问题的动态规划建模与空间优化
  • Lovable后端集成故障恢复SLA达标率从63%→99.99%:我们重构了3层适配器、替换2个SDK、自研1个协议转换网关(含SLO监控看板截图)
  • Claude本地化部署终极方案(企业级容器化全栈手册):支持Anthropic API兼容、流式响应、模型热切换与RBAC权限隔离
  • Veo 2提示词工程进阶手册(导演级Prompt拆解):98%用户忽略的镜头语法、时空锚点与情绪动词结构
  • 123546