【Dify Agent实战】为需求agent赋予双手 —— 工具与联网

大家好，这是我的专题《AI颠覆人类倒计时：普通人自救指南》系列文章之一。

前边三篇文章，我们采用 “RTCE框架+CoT&ToT” ，并通过5W挖掘需求深度，KANO/RICE模型等需求评估模型，打造了一个拥有“大脑”的需求agent。

然而，此时的agent有个致命的弱点，他是“断网”的。大模型出生的那一刻，就决定了其掌握的信息和知识的广度。

如果我们问它：“ServiceNow本周发布了哪些新功能？” 它只能尴尬地回答：“抱歉，我的数据只更新到 2023 年...” 或者更糟——它开始一本正经地胡说八道（模型幻觉）。

那如果我们想要让Agent能获取到最新的知识来工作，应该怎么做呢？

本文我们就来讲讲，如何给agent装上“手脚”，让他帮我们定期收集竞品情报。

读者收益

看完本文，你可以获得什么呢？

• 什么是ReAct?
• Agent能力的边界：什么时候必须调用工具？
• 如何利用ReAct+工具，用dify构建一个竞品情报收集官？

一分钟小知识

1. 何为ReAct？

• ReAct 是一种让 AI 将“思考（Reason）与行动（Act）”交替进行的方法，通俗来讲：边想边做。
• 示例： “查竞品功能” → 判断信息不足 → 调用搜索工具 → 获取结果 → 总结分析并输出结论。
• 总结：ReAct 框架不再让模型仅仅依赖预训练时学到的静态内部知识，而是赋予了模型实时获取外部信息的能力，使 AI 能够像人类一样，通过边想边做的方式来解决复杂且信息密集的任务。

【特别说明】：

• ReAct 正是由姚顺雨等人提出，最早来自 普林斯顿大学 / Google Research 的研究团队。

《ReAct: Synergizing Reasoning and Acting in Language Models》首次系统性提出让大模型在 “显式推理（Reasoning）” 与 “工具行动（Acting）” 之间循环，显著提升复杂任务完成能力，是现代 Agent 架构的基础之一。

2. Agent能力的边界：什么时候需要工具

工具：是 Agent 的“外部世界接口”。

当模型的内部概率空间不够时，去获取确定性信息。

典型信号：

• 模型开始说：
  • “一般来说……”
  • “可能是……”
  • “通常会……”
• 👉 这是必须调用工具的信号

实践出真知（dify实战）

🎯 任务：改造我们的产品助理，让它能自动收集竞品情报

步骤1. 给 Agent 装上手脚：添加“工具”

此处主要添加两个工具，一个搜索工具，一个网页阅读（爬取）的工具。

• 推荐使用Tavily，添加搜索和提取两个工具。（其他工具也可按需添加）

• 安装好插件后，获取API Key

步骤2. 注入prompt：

哥们，你贼靠谱了！ 遇到不懂的从不瞎编，会认真搜索查证吸收再回答

# Role
你是一个从不瞎编的竞品分析专家。

# Tools
你拥有联网搜索工具 (Search) 和网页阅读工具 (Scraper)。

# Task
当用户询问某家公司或某个产品时：
1. **Think**: 先思考需要获取哪些关键信息（最新功能、用户吐槽、定价策略）。
2. **Act**: 使用 Search 工具搜索相关关键词。
3. **Observe**: 观察搜索结果摘要。
4. **Act**: 如果摘要不够细节，使用 Scraper 工具读取具体的文章/页面链接。
5. **Answer**: 汇总信息，输出一份情报简报。

# Constraints
* **必须引用来源：** 每一条事实都要在末尾标注 (来源: URL)。
* **时效性：** 优先关注最近 1 个月的信息。

【实现效果】agent将基于你的提问采用react方式进行工作

避坑指南：不知道你是否发现了，上述回答的时间是2024年5月份；

【原因】agent并不知道当前的时间，因此可能会基于错误的日期给你进行搜索，从而得不到你想要获取的最新信息。

【解决方案】是添加一个获取当前时间的工具，并且强制让agent在工作 时候先获取当前日期，并在提示词中添加：

……
你需要先调用工具 current_time，获取最新日期
……

可以看到，同样的问题，此时agent先获取到当前日期，接着进行工作。

【总结】

• ReAct = loop(reson->act->observe)

下期预告

🎉 给 Agent 装上“手脚”（工具和联网能力）是巨大的飞跃。现在的它已经能跑腿、能搜索了。

但是，如果你问它一些私有领域的问题，比如：

“当前平台已经有的功能和竞品相比，优劣是什么？”

它还是会一脸茫然，或者开始一本正经地胡说八道。