智能AI虚拟助手核心技术全解析：从原理到面试，一篇搞懂（2026年4月）

 传统AI客服——基于if-else的关键词匹配
def traditional_chatbot(user_input: str) -> str:
    user_input = user_input.lower()
    
     关键词规则匹配（机械且脆弱）
    if "退货" in user_input and "流程" in user_input:
        return "您可以在订单页面申请退货。"
    elif "天气" in user_input and "北京" in user_input:
        return "请自行北京天气。"
    elif "帮我订机票" in user_input or "帮我订酒店" in user_input:
        return "抱歉，我无法帮您完成预订。"
    else:
        return "我不理解您的问题，请重新描述。"
    
 测试
print(traditional_chatbot("我上周买的衣服想退货，流程是什么？"))
print(traditional_chatbot("帮我订一张明天去上海的机票"))
 输出：您可以在订单页面申请退货。
 输出：抱歉，我无法帮您完成预订。

import json
from typing import Dict, List, Callable

class MinimalAgent:
    """
    极简AI智能体核心引擎
    核心思想：LLM负责"想"，工具负责"做"
    """
    
    def __init__(self, llm_client):
        self.llm = llm_client               LLM大脑
        self.tools: Dict[str, Callable] = {}   工具注册表
        self.memory = []                    短期记忆
    
    def register_tool(self, name: str, func: Callable, description: str):
        """注册工具，让Agent获得"动手"能力"""
        self.tools[name] = {
            "func": func,
            "description": description
        }
    
    def think(self, user_input: str) -> Dict:
        """
        思考阶段：LLM解析意图，决定调用哪个工具及参数
        """
        prompt = f"""
        你是一个智能助手。用户说："{user_input}"
        可选工具：{list(self.tools.keys())}
        工具描述：{json.dumps({k: v['description'] for k, v in self.tools.items()})}
        
        请以JSON格式返回：{{"tool": "工具名", "params": {{"参数名": "参数值"}}}}
        如果不需要工具，返回 {{"tool": "none", "response": "直接回复内容"}}
        """
        response = self.llm.generate(prompt)
        return json.loads(response)
    
    def act(self, decision: Dict) -> str:
        """
        行动阶段：执行工具或直接回复
        """
        if decision["tool"] == "none":
            return decision.get("response", "无法处理")
        
        tool_name = decision["tool"]
        tool = self.tools.get(tool_name)
        if tool:
            result = tool["func"](decision.get("params", {}))
            self.memory.append(f"执行了{tool_name}: {result}")
            return f"已为您执行：{result}"
        return "工具执行失败"
    
    def run(self, user_input: str) -> str:
        """Agent主循环：思考 → 行动 → 反馈"""
        decision = self.think(user_input)
        return self.act(decision)

 定义两个实际工具函数
def get_weather(city: str, date: str = "today") -> str:
    """模拟天气查询API"""
     真实场景中调用 weather_api.get(city, date)
    weather_map = {"北京": "晴天 25°C", "上海": "小雨 20°C"}
    return weather_map.get(city, f"{city}天气：暂无法获取")

def book_ticket(from_city: str, to_city: str, date: str) -> str:
    """模拟机票预订API"""
    return f"已为您预订 {from_city} → {to_city} 的 {date} 机票，订单号：CN2026-001"

 模拟LLM客户端（真实场景使用OpenAI/DeepSeek等）
class MockLLM:
    def generate(self, prompt: str) -> str:
         简单模拟：关键词匹配返回预设JSON
        if "天气" in prompt and "北京" in prompt:
            return '{"tool": "get_weather", "params": {"city": "北京"}}'
        elif "订机票" in prompt:
            return '{"tool": "book_ticket", "params": {"from_city": "北京", "to_city": "上海", "date": "明天"}}'
        return '{"tool": "none", "response": "抱歉，我不太明白您的意思"}'

 运行示例
agent = MinimalAgent(MockLLM())
agent.register_tool("get_weather", get_weather, "查询指定城市的天气")
agent.register_tool("book_ticket", book_ticket, "预订机票")

 测试
print(agent.run("北京今天天气怎么样？"))
 输出：已为您执行：北京天气：晴天 25°C

print(agent.run("帮我订一张从北京到上海的机票，明天走"))
 输出：已为您执行：已为您预订 北京 → 上海 的 明天 机票，订单号：CN2026-001