企业官网建设流程全解析

这类工具最值得先看的不是功能列表，而是能不能在普通环境里稳定跑起来，以及它到底解决了什么具体问题。Hermes Agent 和 Harness Engineering 这两个词最近在 AI 应用开发圈里被频繁提及，尤其是当你需要把大模型能力真正“工程化”到业务流程里，而不是仅仅做个聊天 Demo 的时候。很多人一上来就去看架构图、模块列表，结果本地环境都跑不通，或者跑通了也不知道下一步该做什么。

这篇文章我会围绕Hermes Agent这个具体的智能体框架，结合Harness Engineering的工程化思路，拆解从零到一搭建一个可用、可测、可扩展的 AI 智能体系统的全过程。如果你是一名开发者或技术负责人，正在评估如何将大模型能力集成到你的产品中，或者想了解如何系统性地构建和测试 AI 智能体，那么这篇基于实战经验的梳理会帮你避开很多初期弯路。

核心价值在于，它提供了一套从智能体定义、技能安装、任务编排到本地部署的完整工具链，让你能在一个相对规范的框架内进行开发，而不是自己从头造轮子。但工具本身只是起点，更重要的是理解背后的工程化原则：如何设计可复用的技能、如何管理任务流、如何验证输出、以及如何在资源有限的情况下进行本地化部署和测试。

1. 先搞清楚 Hermes Agent 和 Harness Engineering 分别解决什么问题

在动手之前，必须把这两个概念拆开看。很多人容易混淆，导致学习路径混乱。

1.1 Hermes Agent：一个具体的智能体开发与运行框架

你可以把 Hermes Agent 理解为一个智能体的“操作系统”或“容器”。它的核心目标是：让你能够相对容易地创建、管理和运行一个个具备特定能力的 AI 智能体。

它通常包含以下关键部分：

• 智能体定义：描述一个智能体是谁（角色）、能做什么（能力）、遵循什么规则。
• 技能（Skill）系统：这是智能体的“手脚”。一个技能可能是一个函数、一个 API 调用、或者一段处理特定任务的代码（比如读取文件、调用搜索引擎、执行计算）。Hermes Agent 允许你为智能体“安装”这些技能。
• 任务编排与执行引擎：负责接收用户请求，解析意图，调用相应的智能体和技能，并管理整个执行流程。
• 本地运行环境：提供了桌面版或命令行工具，让你能在自己的电脑上运行和测试智能体，而不必完全依赖云端服务。这对于开发、调试和隐私敏感场景至关重要。

所以，当你看到“Hermes Agent 安装”、“Hermes Agent Desktop”、“WSL 下安装 Hermes Agent”这些热搜词时，背后对应的是同一个需求：如何在本地搭建起这个智能体框架的运行环境。这是所有后续开发的第一步。

1.2 Harness Engineering：一套构建可靠 AI 应用的工程方法论

Harness Engineering 不是一个具体的软件，而是一套工程化的理念、原则和最佳实践集合。你可以把它类比为“DevOps”之于软件开发和运维的关系。

它的核心关注点是：如何系统性地提升 AI 应用（尤其是基于大模型和智能体的应用）的性能、可靠性、可测试性和可维护性。这包括了：

• 评估与基准测试：如何量化地衡量一个模型或智能体的表现？不仅仅是准确率，还包括延迟、成本、稳定性。
• 监控与可观测性：智能体运行时发生了什么？它的决策过程是否可追溯？出了错如何快速定位？
• 持续集成/持续部署（CI/CD）：如何自动化地测试智能体的变更？如何安全地将更新部署到生产环境？
• 架构设计：面对复杂的任务，是设计一个“超级智能体”，还是拆分成多个协同工作的“智能体集群”（Agent Swarm）？如何设计它们之间的通信和协作流程？

网络上提到的“Agent Swarm”、“七大架构抉择”、“LangGraph”等，都属于 Harness Engineering 需要思考和决策的范畴。它回答的是“怎么设计更好”和“怎么保证它一直好”的问题。

1.3 两者的关系：框架实现方法论

简单来说：

• Hermes Agent是你可以直接下载、安装、写代码的工具和框架。
• Harness Engineering是指导你如何更好地使用 Hermes Agent（以及其他任何框架）来构建健壮系统的思想和原则。

一个常见的误区是，以为学会了安装 Hermes Agent 就等于掌握了 AI 智能体开发。实际上，安装只是拿到了“锤子”，Harness Engineering 教的是“怎么用锤子高效、安全地盖房子，以及怎么检查房子结不结实”。接下来的内容，我们会先从“拿锤子”（环境搭建）开始，再深入到“盖房子”（项目实战）和“检查房子”（工程化实践）。

2. 本地环境搭建：从“能跑起来”到“能稳定开发”

我建议先从最小化的环境开始，确保基础功能可用，再考虑复杂的技能和项目。

2.1 环境选择与准备

Hermes Agent 通常支持多平台。根据你的主要开发环境选择：

• Windows：优先考虑使用WSL 2（Windows Subsystem for Linux）。绝大多数 AI 相关的开发工具和依赖在 Linux 环境下兼容性更好，问题更少。这也是“WSL 下安装 Hermes Agent”成为热词的原因。
• macOS：原生终端或 iTerm2 即可，注意 ARM（M系列芯片）和 Intel 芯片在部分依赖上可能有差异。
• Linux：最推荐的环境，Ubuntu 20.04/22.04 LTS 是常见选择。

前置检查清单：

1. Python 版本：确认安装 Python 3.8 - 3.11（以官方文档最新要求为准）。避免使用系统自带的 Python，推荐使用pyenv或conda创建独立的虚拟环境。

   # 使用 conda 创建环境示例 conda create -n hermes_agent python=3.10 conda activate hermes_agent

2. 包管理工具：pip版本需要更新到最新。
3. 网络环境：需要能正常访问 PyPI 等资源库，部分模型或依赖可能需要额外的网络配置。
4. 硬件：如果计划在本地运行大模型（非纯 API 调用），需要评估 GPU 显存。纯智能体逻辑编排对 GPU 要求不高，CPU 足够。

2.2 安装 Hermes Agent 核心框架

不要一上来就找桌面版。先从命令行版本开始，它能让你更清楚地了解核心组件和依赖。

1. 官方渠道确认：首先访问 Hermes Agent 官网或其在 GitHub 等开源平台的主页，找到最新的安装说明。不要直接使用来源不明的安装脚本。
2. 基础安装：通常是通过 pip 安装核心包。

   pip install hermes-agent

   或者，如果它作为一个更大的 SDK 的一部分：

   pip install agency-sdk[hermes]

   注意：具体的包名一定要以官方文档为准。安装过程中注意观察输出的警告和错误，常见的如某些系统依赖缺失（如build-essential）。
3. 验证安装：安装完成后，尝试运行一个最简单的命令来验证。

   hermes --version # 或 python -c "import hermes_agent; print(hermes_agent.__version__)"

   如果能看到版本号，说明核心框架安装成功。

2.3 安装桌面版（Hermes Agent Desktop）

桌面版提供了图形化界面，更适合交互式测试和演示。但它的本质是一个封装了核心框架的独立应用。

• Windows/macOS：通常官网会提供直接的安装包（.exe, .dmg, .pkg）。下载后按常规软件安装即可。
• Linux：可能有 AppImage、deb 或 rpm 包。
• 潜在问题：
  • 权限问题：在 Linux/macOS 上，首次运行可能需要对二进制文件赋予执行权限chmod +x HermesAgent.AppImage。
  • 依赖冲突：桌面版可能自带一个 Python 运行时，与你系统已有的环境冲突。如果遇到奇怪的问题，尝试完全按照官方桌面版的指引操作，暂时隔离你的开发环境。
  • 启动失败：查看应用日志（通常位于~/.hermes或%APPDATA%\Hermes Agent目录下）。常见原因是端口被占用或缺少某个图形库。

建议：先确保命令行版本能正常工作，再尝试桌面版。命令行版本是调试和自动化基础。

2.4 安装你的第一个技能（Skill）

技能是智能体的核心能力。官网或社区通常会提供一些示例技能。

1. 查找技能：在 Hermes Agent 的生态库或文档中寻找可用的技能。例如，可能有一个web_search技能或calculator技能。
2. 安装技能：技能可能以独立的 Python 包形式存在。

   pip install hermes-skill-calculator hermes-skill-websearch

   或者通过 Hermes 的内置命令安装：

   hermes skill install calculator

3. 验证技能：安装后，启动 Hermes Agent，查看可用技能列表。

   hermes skill list

   你应该能看到新安装的技能。这步验证很重要，它能确认技能包被正确识别和加载。

2.5 配置大模型连接（关键步骤）

智能体的大脑是大模型。Hermes Agent 本身不提供模型，它需要连接到一个模型服务。

1. 选择模型服务：
   • 云端 API：如 OpenAI GPT-4/3.5、Anthropic Claude、国内平台的 API。这是最简单的方式，无需本地算力。
   • 本地模型：使用 Ollama、LM Studio、vLLM 等工具在本地部署一个开源模型（如 Qwen、Llama 等）。这对数据隐私和网络隔离有要求。
2. 配置连接： Hermes Agent 通常通过配置文件或环境变量来设置模型连接。
   • 方式一：环境变量（适用于 API）

     export OPENAI_API_KEY='your-api-key-here' # 或者 export ANTHROPIC_API_KEY='your-key'

   • 方式二：配置文件（更灵活，可管理多个模型） 在~/.hermes/config.yaml或项目目录下的配置文件中，添加模型配置：

     models: default: gpt-4 providers: openai: api_key: ${OPENAI_API_KEY} local: base_url: "http://localhost:11434/v1" # 例如连接本地 Ollama model: "qwen2.5:7b"

3. 测试连接： 编写或运行一个最简单的测试脚本，让智能体做一次自我介绍，看是否能正常收到模型回复。

   # test_connection.py from hermes_agent import Agent agent = Agent(name="Tester", model="gpt-4") # 或你在配置中定义的模型别名 response = agent.run("请简单介绍一下你自己。") print(response)

   如果这一步失败，问题通常集中在：API Key 错误、网络不通、本地模型服务未启动、配置文件路径或格式错误。查看 Hermes Agent 的日志是首要排查手段。

3. 从零构建一个实战项目：多智能体舆情分析系统

理解了框架和基础操作后，我们进入实战。我们以构建一个简化的“微舆”多智能体舆情分析系统为例。这个项目能很好地串联 Hermes Agent 的技能、多智能体协作以及 Harness Engineering 的工程化思想。

3.1 项目设计与职责划分

项目目标：自动监控、收集、分析特定主题的网络舆情，并生成摘要报告。

系统架构（多智能体协作）： 我们将设计三个核心智能体，它们各司其职，通过任务链协同工作：

1. 信息收集智能体（Collector Agent）：负责从预设的源（如模拟数据、RSS、特定API）抓取信息。
2. 情感分析智能体（Analyzer Agent）：负责对收集到的文本进行情感倾向（正面/中性/负面）和关键主题提取。
3. 报告生成智能体（Reporter Agent）：负责汇总分析结果，生成结构化的舆情简报。

技术栈选型参考：

• LLM 核心：Qwen（本地部署或 API）、GPT-4（API）
• 应用框架：Hermes Agent（智能体生命周期管理）
• 任务编排：LangGraph 或 Hermes 内置的工作流引擎（定义智能体间的调用顺序和逻辑）
• 知识增强：RAG（可选，用于让智能体参考内部知识库进行分析）
• 后端/接口：FastAPI（提供外部触发和结果查询的 HTTP API）
• 数据存储：SQLite / PostgreSQL（存储原始数据、分析结果）

3.2 核心实现步骤

我们聚焦于使用 Hermes Agent 实现智能体部分。

步骤一：定义智能体角色与技能

为每个智能体创建独立的 Python 文件或类。

collector_agent.py:

from hermes_agent import Agent, skill import requests # 示例：用于网络请求 from typing import List, Dict import json class CollectorAgent(Agent): def __init__(self, name="信息收集员"): super().__init__(name=name, model="gpt-4") # 指定该智能体使用的模型 # 可以在这里初始化一些配置，如数据源列表 self.data_sources = ["https://api.example.com/feed1", "模拟数据"] @skill( description="从配置的数据源收集最新信息", input_schema={"topic": {"type": "string", "description": "监控主题"}}, output_schema={"articles": {"type": "array", "items": {"type": "object"}}} ) async def collect_news(self, topic: str) -> List[Dict]: """ 模拟收集信息。真实场景中，这里会替换为真实的爬虫或API调用逻辑。 """ # 这里是模拟数据 mock_articles = [ {"title": f"关于{topic}的正面报道", "content": f"内容：{topic}领域取得新进展...", "source": "模拟源1"}, {"title": f"{topic}引发争议", "content": f"内容：近期{topic}相关讨论存在分歧...", "source": "模拟源2"}, ] print(f"[Collector] 已收集到 {len(mock_articles)} 条关于'{topic}'的信息。") return {"articles": mock_articles}

关键点：

• 使用@skill装饰器将一个方法声明为智能体的“技能”。这使该技能可以被其他智能体或工作流调用。
• 在装饰器中定义清晰的description、input_schema和output_schema。这是Harness Engineering中“契约优先”思想的体现，有利于后续的测试、监控和智能体间的可靠协作。

步骤二：实现分析智能体

analyzer_agent.py:

from hermes_agent import Agent, skill from typing import List, Dict class AnalyzerAgent(Agent): def __init__(self, name="情感分析师"): super().__init__(name=name, model="qwen") # 可以使用不同的模型 @skill( description="分析文本的情感倾向和提取关键主题", input_schema={"text": {"type": "string", "description": "待分析的文本"}}, output_schema={ "sentiment": {"type": "string", "enum": ["正面", "中性", "负面"]}, "confidence": {"type": "number", "description": "置信度，0-1"}, "key_topics": {"type": "array", "items": {"type": "string"}} } ) async def analyze_sentiment(self, text: str) -> Dict: """ 调用大模型进行情感和主题分析。 注意：这里直接让模型输出结构化JSON。生产环境需要更健壮的解析和错误处理。 """ prompt = f""" 请分析以下文本的情感倾向和关键主题。 文本：{text} 请以严格的JSON格式输出，包含以下三个字段： 1. \"sentiment\": 情感倾向，只能是“正面”、“中性”或“负面”。 2. \"confidence\": 你对这个判断的置信度，一个0到1之间的浮点数。 3. \"key_topics\": 一个字符串数组，列出文本中提到的关键主题词。 只输出JSON，不要有其他任何内容。 """ response = await self.llm_completion(prompt) # 使用智能体内置的LLM调用方法 # 此处应有JSON解析和错误处理，为简洁省略 import json try: result = json.loads(response) print(f"[Analyzer] 分析完成。情感：{result.get('sentiment')}") return result except json.JSONDecodeError: # 优雅降级或重试逻辑 return {"sentiment": "中性", "confidence": 0.5, "key_topics": []}

关键点：

• 展示了如何在一个技能内部调用大模型 (self.llm_completion)。
• 输出结构化数据对于智能体间的数据传递至关重要。Harness Engineering强调数据的可验证性，明确的 Schema 是基础。

步骤三：构建多智能体工作流

现在，我们需要将三个智能体串联起来。这里可以用 Hermes Agent 自带的工作流引擎，或者集成 LangGraph。

workflow_orchestration.py(使用简化示例):

from hermes_agent import Workflow from collector_agent import CollectorAgent from analyzer_agent import AnalyzerAgent from reporter_agent import ReporterAgent # 假设已实现 class PublicOpinionWorkflow(Workflow): def __init__(self): self.collector = CollectorAgent() self.analyzer = AnalyzerAgent() self.reporter = ReporterAgent() async def run(self, topic: str): """定义工作流执行顺序""" print(f"开始执行舆情分析工作流，主题：{topic}") # 1. 收集信息 collection_result = await self.collector.collect_news(topic=topic) articles = collection_result.get("articles", []) analysis_results = [] # 2. 并行分析每篇文章 for article in articles: text_to_analyze = f"{article['title']} {article['content']}" analysis = await self.analyzer.analyze_sentiment(text=text_to_analyze) analysis['source'] = article['source'] analysis_results.append(analysis) # 3. 汇总生成报告 final_report = await self.reporter.generate_report( topic=topic, analysis_results=analysis_results ) print(f"工作流执行完毕。报告已生成。") return final_report

关键点：

• 工作流清晰定义了任务顺序：收集 -> (并行)分析 -> 汇总。
• 这是Harness Engineering中“编排”概念的体现。复杂的任务应该被分解为可管理、可观测的步骤。

步骤四：提供外部调用接口（FastAPI）

为了让这个系统能被外部应用触发，我们用一个简单的 FastAPI 应用包装它。

main.py:

from fastapi import FastAPI, BackgroundTasks from pydantic import BaseModel from workflow_orchestration import PublicOpinionWorkflow import asyncio import uuid from typing import Dict app = FastAPI() workflow = PublicOpinionWorkflow() # 简单的内存存储，用于任务状态。生产环境需用数据库。 task_store: Dict[str, str] = {} class AnalysisRequest(BaseModel): topic: str @app.post("/analyze") async def trigger_analysis(request: AnalysisRequest, background_tasks: BackgroundTasks): """触发一次舆情分析，异步执行""" task_id = str(uuid.uuid4()) task_store[task_id] = "PENDING" async def run_workflow(): try: task_store[task_id] = "RUNNING" result = await workflow.run(request.topic) task_store[task_id] = f"SUCCESS: {result}" except Exception as e: task_store[task_id] = f"FAILED: {str(e)}" background_tasks.add_task(run_workflow) return {"task_id": task_id, "status": "accepted"} @app.get("/task/{task_id}") async def get_task_status(task_id: str): """查询任务状态""" status = task_store.get(task_id, "NOT_FOUND") return {"task_id": task_id, "status": status}

现在，你可以通过POST /analyze接口提交一个主题，然后通过GET /task/{task_id}查询分析进度和结果。

3.3 项目运行与验证

1. 启动本地模型服务（如果使用本地模型如 Qwen）：

   ollama run qwen2.5:7b # 或使用其他本地推理框架

2. 启动 FastAPI 应用：

   uvicorn main:app --reload --host 0.0.0.0 --port 8000

3. 测试接口：
   • 使用curl或 Postman 发送请求：

     curl -X POST "http://localhost:8000/analyze" \ -H "Content-Type: application/json" \ -d '{"topic": "人工智能伦理"}'

     你会收到一个task_id。
   • 用这个task_id查询状态：

     curl "http://localhost:8000/task/{你的task_id}"

4. 观察日志：在控制台和 Hermes Agent 的日志中，观察三个智能体是如何被依次调用、数据如何流转的。

4. Harness Engineering 实战：让系统从“能跑”到“可靠”

项目跑通只是第一步。接下来，我们运用 Harness Engineering 的思想，来提升这个系统的工程化水平。

4.1 性能评估与基准测试

不要凭感觉说“系统好用”。我们需要可量化的指标。

• 定义评估指标：
  • 端到端延迟：从触发/analyze到报告生成的总时间。
  • 智能体调用成功率：每个技能（collect_news,analyze_sentiment,generate_report）的成功调用比例。
  • 大模型使用成本：如果使用付费 API，统计每次分析消耗的 Token 数和费用。
  • 分析质量：情感判断的准确率（需要人工标注一批测试数据作为基准）。
• 建立测试流水线：
  • 编写自动化测试脚本，用一批固定的测试主题（如“新能源汽车”、“气候变化”）定期运行工作流。
  • 记录每次运行的指标（延迟、成本、各步骤状态）。
  • 使用简单的仪表盘（如 Grafana）或日志分析工具来可视化趋势。
• 关键实践：不要在生产流量上做实验。建立一个独立的“评估环境”，用固定的测试集来评估任何变更（如切换模型、修改提示词）带来的影响。

4.2 可观测性与监控

当系统在线上运行时，你需要知道它是否健康。

• 结构化日志：不要只用print。为每个智能体的关键动作（开始、成功、失败、耗时）输出结构化的日志（JSON 格式）。

  import logging import json from datetime import datetime logger = logging.getLogger(__name__) async def analyze_sentiment(self, text: str): log_entry = { "timestamp": datetime.utcnow().isoformat(), "agent": self.name, "skill": "analyze_sentiment", "event": "start", "text_length": len(text) } logger.info(json.dumps(log_entry)) # ... 业务逻辑 ... log_entry["event"] = "end" log_entry["duration_ms"] = duration logger.info(json.dumps(log_entry))

• 关键指标监控：
  • 错误率：监控 API 调用失败、JSON 解析失败、网络超时等。
  • 延迟分布：P50, P90, P99 延迟。
  • 资源使用率：如果本地部署模型，监控 GPU 显存、内存。
  • 大模型速率限制：监控 API 的配额使用情况。
• 链路追踪：为每个用户请求生成一个唯一的trace_id，并让它贯穿所有智能体调用和日志。这样当某个分析请求出错时，你可以轻松地追踪到是哪个智能体、哪一步出了问题。

4.3 架构抉择与优化

面对更复杂的需求，你需要做出架构选择。

• 单智能体 vs. 多智能体（Agent Swarm）：
  • 我们的“微舆”系统已经是一个简单的多智能体系统。如果分析任务变得极其复杂（例如，需要同时进行情感分析、事实核查、观点总结、趋势预测），那么为每个子任务设计更专业的智能体，并通过更复杂的编排逻辑（如 LangGraph）让它们协同，可能是更好的选择。这就是Agent Swarm模式。
  • 代价：复杂性剧增，调试困难，通信开销变大。
• LangGraph 集成：如果你的工作流包含循环、条件分支、动态路由（例如，根据情感分析结果决定是否启动更深度的调查），那么 LangGraph 是一个强大的编排工具。你可以将 Hermes Agent 定义的智能体作为 LangGraph 的“节点”来使用。
• RAG（检索增强生成）集成：为了让“分析师”智能体更专业，可以为其配备一个行业知识库。当分析文本时，先从这个知识库中检索相关背景信息，再将信息和原文一起交给大模型分析，提升准确性和专业性。
• 缓存策略：对于相同的主题或相似的文本，分析结果可以缓存一段时间，避免重复调用昂贵的大模型。

4.4 持续集成与测试

将智能体开发纳入标准的软件工程流程。

1. 单元测试：测试每个独立的技能函数。使用 Mock 对象来模拟大模型调用，确保业务逻辑正确。

   # test_analyzer.py from unittest.mock import AsyncMock, patch from analyzer_agent import AnalyzerAgent @patch.object(AnalyzerAgent, 'llm_completion', new_callable=AsyncMock) async def test_analyze_sentiment_positive(mock_llm): mock_llm.return_value = '{"sentiment": "正面", "confidence": 0.9, "key_topics": ["进步"]}' agent = AnalyzerAgent() result = await agent.analyze_sentiment("这是一个非常好的产品！") assert result["sentiment"] == "正面" assert result["confidence"] > 0.8

2. 集成测试：测试两个或多个智能体之间的协作。例如，测试“收集员”的输出是否能正确传递给“分析师”。
3. 端到端测试：用一套完整的测试数据从头到尾运行整个工作流，验证最终报告的输出格式和关键内容是否符合预期。
4. CI 流水线：在 GitHub Actions 或 GitLab CI 中配置自动化流程，每次代码提交都自动运行单元测试和集成测试。只有测试通过，才能合并代码。

5. 面试与项目复盘：如何呈现你的 AI 智能体项目

如果你在简历中写了一个类似“金融大模型问答机器人”或“多智能体舆情分析系统”的项目，面试官会从哪些角度考察？你又该如何回答？

5.1 项目案例结构化阐述（以金融问答机器人为例）

项目公司：某金融科技公司（或内部创新项目）项目职责：作为 AI 大模型应用开发工程师，负责智能问答系统的核心智能体架构设计、关键模块开发及工程化落地。项目设计：

• 架构选型：采用“检索-生成”双阶段架构（RAG）。首先使用专用智能体进行精准知识检索，再使用生成智能体合成答案。
• 智能体划分：
  1. Query理解/路由智能体：判断用户意图（是查行情、问定义、还是计算收益），并路由到相应技能。
  2. 检索智能体：对接向量数据库（如 Milvus），检索公司内部研报、公告、产品手册等非结构化知识。
  3. 计算智能体：处理需要数值计算的问题（如收益率、风险评估）。
  4. 生成/润色智能体：整合检索结果和计算结论，生成符合金融合规要求的、口语化的答案。
• 工程化考量：引入 LangGraph 进行工作流编排，设计降级策略（如检索失败时，直接由生成智能体基于通用知识回答并提示信息可能不全）。

项目实现：

• 技术栈：LLM（Qwen + GPT-4 API 混合）、LangChain/LlamaIndex（用于 RAG 链构建）、FastAPI（后端接口）、Hermes Agent（智能体框架封装）、PostgreSQL（结构化数据）、Milvus（向量检索）。
• 核心实现点：
  • 使用 Hermes Agent 的@skill装饰器封装了检索、计算等核心能力。
  • 利用 LangGraph 的StateGraph实现了智能体间的有条件路由（例如，识别到“计算”意图才调用计算智能体）。
  • 为生成智能体设计了严格的提示词模板，确保答案包含“信息来源”和“风险提示”。
  • 实现了请求级别的全链路日志和追踪。

项目业绩：

• 效果：将复杂金融问题的自动回答准确率从初版的 65% 提升至 89%（基于人工抽样评估）。
• 效率：平均回答耗时从 12秒降低至 3.5秒（P95）。
• 稳定性：通过完善的错误处理和降级策略，系统可用性达到 99.9%。
• 成本：通过混合使用本地 Qwen 模型（处理简单查询）和 GPT-4 API（处理复杂查询），月度模型调用成本降低约 40%。

项目采用的技术：

• LLM：Qwen（本地微调）、GPT-4 API、LLaMA
• 框架与工具：LangChain、LlamaIndex、FastAPI、Hermes Agent、LangGraph
• RAG 相关：RAG、GraphRAG（用于知识图谱增强）、OpenAI Embeddings API
• 模型优化：LoRA、SFT（有监督微调）、高效微调技术、PPO/DPO（如果进行了强化学习优化）、知识蒸馏、量化（用于本地模型部署）

5.2 面试必问问题与回答思路

1. 问：你如何评估你的智能体的好坏？

   • 答：我们建立了多维度评估体系。离线评估：使用标注好的测试集，评估答案的准确性、相关性和安全性。在线评估：A/B测试，对比智能体回答和人工客服回答的用户满意度（CSAT）。过程指标：监控每个智能体技能的调用成功率、延迟、以及大模型 Token 消耗成本。最终，业务指标（如问题解决率、用户留存）是最高评估标准。

2. 问：当智能体给出错误或不合规的答案时，你们如何处理？

   • 答：这是一个系统工程。预防：在提示词中嵌入强约束规则和示例；对生成内容进行后处理过滤（关键词、正则）。检测：部署一个轻量级的“审核智能体”对高风险答案进行二次校验；设置置信度阈值，低置信度答案直接转人工。纠正与学习：所有错误案例进入“错误知识库”，定期用于优化提示词、微调模型或更新检索源。最重要的是，金融场景必须设置人工复核兜底流程。

3. 问：在多智能体系统中，如何保证它们之间的协作效率和稳定性？

   • 答：清晰的契约：每个智能体的输入输出都有严格定义的 Schema。超时与重试：为智能体间调用设置合理的超时和有限次数的重试。异步与并发：对于无依赖的任务，使用异步并发执行（如同时分析多篇文章）。状态管理与回滚：使用工作流引擎（如 LangGraph）管理全局状态，在关键步骤设计检查点，部分失败时可回滚或补偿。监控与告警：对智能体间的通信延迟和错误率进行监控，异常时及时告警。

4. 问：如何平衡使用强大但昂贵的云端模型（如 GPT-4）和成本较低的本地模型？

   • 答：我们采用了分层路由策略。首先，用一个轻量级分类模型或规则，判断问题的复杂度和对答案可靠性的要求。简单、事实型问题路由到本地微调后的 Qwen 模型。复杂、需要深度推理或创意的问题，路由到 GPT-4。同时，我们对 GPT-4 的答案进行缓存，对相似问题直接返回缓存结果。此外，持续对本地模型进行领域微调和知识蒸馏，逐步扩大其能处理的问题范围，从而降低对云端模型的依赖。

5.3 项目复盘与个人思考

在项目结尾，可以总结你的核心收获和未来展望，这能体现你的思考深度：

• 技术收获：深入理解了从单一 Prompt 工程到多智能体系统工程化的跨越。智能体不是魔法，其可靠性严重依赖于扎实的软件工程实践：清晰的模块边界、完备的测试、细致的监控和优雅的降级。
• 踩坑经验：
  • 提示词不稳定：初期过度依赖复杂的提示词，导致输出格式飘忽不定。后来强制使用 JSON 模式输出，并增加了输出解析和重试机制。
  • 成本失控：没有监控时，一次循环调用错误可能导致巨额 API 费用。后来引入了预算控制和用量告警。
  • 评估困难：开始觉得“效果还行”，但缺乏量化数据。建立评估体系后，优化方向才真正清晰。
• 未来展望：
  • 智能体评估自动化：探索使用大模型本身来评估智能体输出的质量（LLM-as-a-Judge）。
  • 更动态的编排：研究如何让智能体在运行中自主决定调用哪些工具或寻求其他智能体的帮助。
  • 记忆与长期学习：为智能体引入长期记忆，使其能记住与用户的交互历史，提供更个性化的服务。

我个人更建议，学习 AI 智能体开发，不要停留在跑通 Demo。从第一个项目开始，就尝试用 Harness Engineering 的思维去构建它：定义清晰的指标，建立监控，编写测试，设计降级方案。这样构建出来的系统，才真正具备上线的底气。