【企业智能体开发】用 Python 实现最小智能体执行循环
小林在会议室提交“投屏没有画面”之后,服务台先问连接方式;她回答“线缆连接”后,系统才查适用指引并给出建议。这不是一次模型调用就能完成的问答,而是一段根据中间结果改变下一步的任务。若只把全部历史对话反复塞给模型,程序仍然不知道何时该追问、何时能调用工具、何时必须停止。本篇把上一章的业务故事落成一个最小 Python 执行循环。代码故意使用确定性的演示决策器和内存中的演示工具,不连接企业系统,也不假装模型已经接入。读者可以先运行并理解“读取状态—选择动作—校验—执行—记录—再判断”这条主线;下一篇再把决策器替换成真正的模型适配层。文章目录把一次求助看成持续变化的任务最小循环的流程图用 Python 写出状态、动作和工具边界看懂一次运行的状态变化接入模型时要保留哪些不变量总结把一次求助看成持续变化的任务上午九点,小林只说“投屏没画面”。此时“连接方式”为空,程序若直接给出无线投屏步骤,可能答错;若一次发出十几种排查办法,又会增加员工的判断负担。服务台的合理下一步是追问。她补充“线缆连接”后,程序可查询线缆投屏指引;查到结果后才回答。这样的连续变化需要一个明确的任务状态。当前状态已知事实下一步动作不能做的事初次求助地点 A301、无画面询问连接方式猜测具体故障原因员工补充后线缆连接查适用指引把旧设备说明直接当答案工具返回后找到当前有效指引组织回答并等待反馈宣称现场已修复查询失败指引暂不可用说明原因并转人工编造操作步骤循环的“运行一轮”与“完成任务”不是同一个概念。程序可能运行一轮就进入等待用户状态,也可能连续调用只读工具后形成回答。真正的终止状态应写明:已回答、等待用户、已转人工、工