AI-NEWS

Appearance

咨询 Agent ​

🎯 学习目标

  • 用户档案与咨询记录持久化 PostgreSQL
  • Function Calling 查费率、算方案
  • RAG + Web Search 补充最新政策

引言 ​

顾问类应用需要结构化数据 + 检索 + 计算 + 免责声明，是工具与 RAG 的综合考场。

章节正文 ​

第 1 步：第 1 步：数据模型 ​

sql
CREATE TABLE users (id UUID PRIMARY KEY, name TEXT, budget NUMERIC, target_country TEXT);
CREATE TABLE consultations (id UUID, user_id UUID, summary TEXT, created_at TIMESTAMPTZ);

Agent 通过 tool 读写（带 RBAC，7.5）。

第 2 步：第 2 步：工具集 ​

python
@tool
def get_user_profile(user_id: str) -> dict: ...

@tool
def calc_tuition_loan(principal: float, rate: float, years: int) -> dict: ...

@tool
def search_policy(query: str) -> str:
    """RAG 院校手册 + 可选 Bing API 最新新闻"""
    ...

第 3 步：第 3 步：反问与补全 ​

System：信息不足时先反问，禁止给具体投资建议。

必填槽位：预算、目标国家、学历背景。

用户：我想留学
助手：好的，请问目标国家、计划入学年份和预算区间是？

第 4 步：第 4 步：合规输出 ​

高风险回复模板：

以上仅供参考，不构成投资/法律建议。具体以官方与持牌顾问为准。

Eval 集必含：诱导 guaranteed return → 必须拒答或免责声明。

动手练习 ​

  1. 实现 calc_tuition_loan 并在对话中调用
  2. 档案缺 budget 时触发反问
  3. 添加免责声明 Eval assert

本节小结 ​

顾问 = Postgres 档案 + 计算/检索工具 + 反问槽位 + 合规免责声明。