UI2项目实战:如何为应用添加意图(Intents)功能
什么是意图(Intents)?
在UI2项目中,意图(Intents)是一个核心概念,它允许开发者定义应用能够识别和处理的特定用户请求。简单来说,就是当用户输入某些内容时,你的应用能够理解用户的"意图"并执行相应的操作。
准备工作
在开始添加意图之前,确保你已经完成了UI2的基本配置。你需要:
- 安装必要的依赖包
- 配置好AI模型(如示例中的Cerebras模型)
- 准备好Zod库用于参数验证
创建第一个意图:数字相加
让我们从一个简单的例子开始 - 创建一个能够将两个数字相加的意图。
import { createUI2 } from "ui2-sdk";
import { z } from "zod";
import { createCerebras } from "@ai-sdk/cerebras";
const cerebras = createCerebras({
apiKey: "API_KEY",
});
let { identifyIntent } = createUI2({
model: cerebras("llama-3.3-70b"),
}).addIntent("sum", {
parameters: z.object({
a: z.number(),
b: z.number(),
}),
description: "Add two numbers together",
onIntent: (intentCall) => {
console.log(
`${intentCall.parameters.a} + ${intentCall.parameters.b} = ${
intentCall.parameters.a + intentCall.parameters.b
}`
);
},
});
代码解析
-
模型配置:我们首先创建了一个Cerebras模型的实例,并提供了API密钥。
-
UI2初始化:使用
createUI2函数初始化UI2,并指定要使用的AI模型。 -
添加意图:通过
.addIntent()方法添加一个名为"sum"的意图。
意图的四个关键部分
-
名称(Name):
"sum"是意图的唯一标识符,应该简洁明了,遵循变量命名规范。 -
描述(Description):
"Add two numbers together"帮助AI理解这个意图的用途,在识别用户请求时起到关键作用。 -
参数(Parameters):使用Zod库定义了一个包含两个数字(a和b)的参数对象。Zod提供了强大的类型验证功能。
-
处理函数(onIntent):当意图被识别时执行的回调函数,这里我们简单地将两个数字相加并打印结果。
参数验证的重要性
UI2利用Zod的Structured Output功能,确保AI的输出严格符合你定义的参数模式。这意味着:
- 类型安全:参数会被自动验证为正确的类型
- 自动补全:在IDE中可以获得参数的类型提示
- 错误处理:无效的输入会被自动拦截
添加第二个意图:数字平方
UI2的一个强大特性是可以轻松地添加多个意图。让我们添加一个计算数字平方的意图:
let { identifyIntent } = createUI2({
model: cerebras("llama-3.3-70b"),
})
.addIntent("sum", {
// 之前的sum意图配置
})
.addIntent("square", {
parameters: z.object({
a: z.number(),
}),
description: "Squares a number",
onIntent: (intentCall) => {
console.log(
`${intentCall.parameters.a}^2 = ${
intentCall.parameters.a * intentCall.parameters.a
}`
);
},
});
意图链式调用
通过链式调用.addIntent()方法,我们可以不断地为应用添加新的功能。每个意图都是独立的,但共享同一个AI模型和配置。
意图调用的详细信息
当意图被识别时,onIntent回调会收到一个intentCall对象,包含:
name:被调用的意图名称id:唯一标识符,可用于跟踪或防止重复调用parameters:经过验证的参数对象,完全符合你定义的Zod模式
最佳实践
-
命名规范:使用简洁但具有描述性的名称,如"calculateTotal"比"calc"更好。
-
参数设计:保持参数结构简单明了,复杂的嵌套结构可能会降低AI的识别准确率。
-
描述清晰:为意图和参数提供详细的描述,这能显著提高AI的理解能力。
-
错误处理:考虑在
onIntent中添加错误处理逻辑,以应对可能的运行时错误。
总结
通过UI2的意图系统,开发者可以轻松地为应用添加自然语言处理能力。本文通过两个简单的数学运算示例,展示了如何:
- 初始化UI2并配置AI模型
- 定义意图的名称、描述和参数
- 实现意图被识别时的处理逻辑
- 扩展应用功能,添加多个意图
这种模式不仅适用于简单的数学运算,可以扩展到各种复杂的业务场景,如数据查询、系统控制、内容生成等。UI2的意图系统提供了一种结构化的方式来构建智能的、可理解自然语言命令的应用。
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0191
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0115
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java04
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08