超级飞侠Fly1. 从考研失败到AI疗愈：我的第一个智能体开发实录
去年计算机考研失利后，我经历了所有落榜生都熟悉的心路历程——从自我怀疑到焦虑失眠，再到朋友圈里强颜欢笑的"gap year"宣言。某天深夜刷GitHub时，突然萌生一个想法：为什么不把这段经历转化成代码？于是就有了这个"考研失败情绪疗愈智能体"项目，我的第一个真正意义上的AI实践。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 技术选型与平台初探
2.1 为什么选择扣子平台
作为零AI开发经验的新手，我对比了国内外多个低代码AI平台：
- Dialogflow：功能强大但学习曲线陡峭
- Rasa：需要本地部署和大量配置
- 扣子(Kouzi)：中文友好、界面直观，提供完整的对话管理后台
最终选择扣子的关键因素是它的"技能市场"功能——可以直接复用情绪分析、安慰话术等预制模块，这对当时连Python虚拟环境都配置不利索的我简直是救命稻草。
2.2 最小可行产品设计
确定核心功能时，我列了个需求优先级矩阵：
| 功能 | 开发难度 | 用户价值 |
|---|---|---|
| 基础问候 | ★☆☆ | ★★☆ |
| 失败经历共鸣 | ★★☆ | ★★★ |
| 学习计划建议 | ★★★ | ★★☆ |
| 心理测试 | ★★★★ | ★★☆ |
最终MVP版本只保留了前两项功能，通过简单的决策树实现：
python复制if "没考上" in user_input:
response = random.choice(empathy_phrases)
elif "怎么办" in user_input:
response = suggest_resources()
3. 开发中的真实踩坑记录
3.1 对话流设计的陷阱
最初设计的对话逻辑过于线性：
code复制用户倾诉 → 机器人安慰 → 结束
实际测试发现，用户常会连续追问"为什么是我"、"要不要二战"等问题。改进后的状态机加入了递归对话处理：
mermaid复制graph TD
A[用户输入] --> B{含负面情绪?}
B -->|是| C[共情响应]
B -->|否| D[常规响应]
C --> E{需要深度疏导?}
E -->|