自定义 Agent 实现：构建企业级智能体
一句话简介
通过继承 AIAgent 抽象类，实现 FAQ 自动回复、审批工作流、数据查询等企业级自定义 Agent，实现成本优化和业务控制。
🎯 何时需要自定义 Agent
场景 | 说明 | 收益 |
|---|---|---|
| FAQ 自动回复 | 高频问题用规则匹配 | 成本降低 90%，响应提升 60 倍 |
| 遗留系统集成 | 包装 ERP/CRM 为 Agent | 无缝集成，数据安全可控 |
| 测试模拟 | 返回固定测试数据 | 零成本，确定性输出 |
| 混合模式 | 规则优先，AI 降级 | 平衡成本与效果 |
📝 AIAgent 核心接口
public abstract class AIAgent { public abstract string? Name { get; } public abstract AgentThread GetNewThread(); public abstract AgentThread DeserializeThread(JsonElement serializedThread, ...); public abstract Task<AgentRunResponse> RunAsync( IEnumerable<ChatMessage> messages, AgentThread? thread = null, ...); public abstract IAsyncEnumerable<AgentRunResponseUpdate> RunStreamingAsync( IEnumerable<ChatMessage> messages, ...); }💻 实战 1：FAQ Agent
零成本、毫秒级响应的 FAQ 自动回复
public classFaqAgent : AIAgent { privatereadonly Dictionary<string, string> _faqDatabase = new() { ["营业时间"] = "周一至周五 9:00-18:00", ["退货"] = "请登录账户 → 订单详情 → 申请退货", ["配送"] = "同城 24 小时，省内 2-3 天", }; publicoverridestring? Name => "FaqAgent"; public override async Task<AgentRunResponse> RunAsync( IEnumerable<ChatMessage> messages, ...) { var userText = messages.LastOrDefault()?.Text ?? ""; // 关键词匹配 var answer = _faqDatabase.FirstOrDefault( kvp => userText.Contains(kvp.Key)).Value; var responseText = answer ?? "抱歉，未找到相关 FAQ"; var responseMessage = new ChatMessage(ChatRole.Assistant, responseText) { AuthorName = this.DisplayName, MessageId = Guid.NewGuid().ToString("N") }; await thread.MessageStore.AddMessageAsync(messages.Concat([responseMessage]), ct); returnnew AgentRunResponse { Messages = [responseMessage] }; } }效果对比：
指标 | 传统 AI Agent | FaqAgent |
|---|---|---|
响应时间 | 1-3 秒 | < 50 毫秒 |
单次成本 | ¥0.005 | ¥0 |
日处理 10 万次 | ¥500 | ¥0 |
💻 实战 2：审批工作流 Agent
多轮对话 + 规则引擎
public classApprovalAgent : AIAgent { privatereadonly List<ApprovalRule> _rules = new() { new() { Type = "请假", MaxDays = 3, Result = "自动通过" }, new() { Type = "请假", MaxDays = 7, Result = "需要主管审批" }, new() { Type = "报销", MaxAmount = 1000, Result = "自动通过" }, }; // 自定义 Thread 存储对话状态 public override AgentThread GetNewThread() => new ApprovalAgentThread(); private string ProcessConversation(ApprovalAgentThread thread, string userInput) { var state = thread.State; // 步骤 1: 识别审批类型 if (!state.HasType) { /* 询问类型 */ } // 步骤 2: 收集金额或天数 if (!state.HasAmount) { /* 询问数值 */ } // 步骤 3: 执行规则匹配 var rule = MatchRule(state.Type, state.Amount); return$"审批结果: {rule.Result}"; } }💻 实战 3：混合模式 Agent
智能路由 + 降级策略
public classHybridAgent : AIAgent { privatereadonly FaqAgent _faqAgent = new(); privatereadonly DataQueryAgent _dataQueryAgent = new(); privatereadonly IChatClient _aiClient; public override async Task<AgentRunResponse> RunAsync(...) { var intent = ClassifyIntent(userText); // 意图识别 if (intent == "faq") { var response = await _faqAgent.RunAsync(userText); if (IsSuccessful(response)) return response; } if (intent == "data") { var response = await _dataQueryAgent.RunAsync(userText); if (IsSuccessful(response)) return response; } // 降级到 AI returnawait CallAI(userText); } }成本优化效果：
60% FAQ → ¥0
30% 数据查询 → ¥0
10% AI → 正常费用
年度节省：¥16.2 万（日 10 万次）
🏢 RunAsync 实现检查清单
public override async Task<AgentRunResponse> RunAsync(...) { // ✅ 1. 确保线程存在 thread ??= GetNewThread(); // ✅ 2. 提取用户消息 var userText = messages.LastOrDefault()?.Text ?? ""; // ✅ 3. 执行业务逻辑 var responseText = ProcessLogic(userText); // ✅ 4. 设置消息属性 var responseMessage = new ChatMessage(ChatRole.Assistant, responseText) { AuthorName = this.DisplayName, MessageId = Guid.NewGuid().ToString("N") }; // ✅ 5. 通知线程（关键！） await thread.MessageStore.AddMessagesAsync(messages.Concat([responseMessage]), ct); // ✅ 6. 返回响应 returnnew AgentRunResponse { Messages = [responseMessage] }; }🎯 总结
✅5 个必须实现的方法：Name、GetNewThread、DeserializeThread、RunAsync、RunStreamingAsync
✅FAQ Agent：成本降低 100%，响应提升 60 倍
✅审批 Agent：多轮对话 + 规则引擎 + 状态持久化
✅混合 Agent：智能路由 + 降级策略，年节省 16 万
如需获取文章配套完整代码，可扫码咨询领取。👇
