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。
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00