Scifi-gamer1. 项目背景与核心价值
去年在帮某智能家居厂商做技术咨询时，他们提出了一个很有意思的需求：希望用户能像和朋友聊天一样，用自然语言控制家里的设备，比如"客厅有点冷，把空调调到25度顺便打开加湿器"这样的复合指令。传统的意图识别+槽位填充方案在这种场景下显得力不从心，这正是Agentic AI架构的用武之地。
这个项目本质上是在解决三个关键问题：
- 如何理解用户隐含的上下文需求（从"冷"推导出需要调高空调温度）
- 如何处理多意图复合指令（温度调节+加湿器控制）
- 如何实现设备间的联动逻辑（空调和加湿器的协同工作）
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. 技术架构设计解析
2.1 整体架构图
code复制[用户输入] → Rasa NLU → LangChain → [动作决策] → Rasa Core → [设备控制API]
↑ ↑
[领域知识库] [LLM推理引擎]
2.2 组件选型考量
选择Rasa+LangChain组合主要基于：
- Rasa：开源框架在意图识别和对话管理方面有成熟解决方案，其FormAction机制特别适合设备控制场景
- LangChain：提供与LLM的标准接口，能灵活切换不同模型（实测GPT-4在理解家居场景隐含需求时准确率比Claude高12%）
关键提示：不要直接用LLM处理设备控制指令！必须通过Rasa的校验流程确保安全性
3. 核心模块实现细节
3.1 Rasa NLU定制训练
训练数据示例（domain.yml片段）：
yaml复制intents:
- temperature_adjust:
triggers: action_set_temperature
use_entities: true
- device_control:
triggers: action_handle_device
关键配置参数：
- 使用ConveRT特征提取器处理家居领域短文本
- 实体识别采用DIETClassifier，在智能家居语料上F1达到0.91
3.2 LangChain推理链设计
python复制from langchain.chains