Video 4- Phase A Demos and Walkthrough
来源：AI时代学习营 · AI Builder 课程 · 在学习书房阅读原版（含图）
面部识别学习
fastapi写代码
FastAPI问答功能增加
- API安全配置
- 环境变量存储：使用.env文件存储API密钥，避免硬编码在代码中，防止密钥随代码上传至版本控制系统
- gitignore配置：将.env文件添加到.gitignore中，确保不会被提交到代码仓库
- 配置检查：在代码中添加检查逻辑，如果API token未设置会报错提示”AI_BUILDER_API_TOKEN未设置，请在.env文件中设置”
- 接口开发流程
- OpenAPI规范：从AI Builder Space下载OpenAPI JSON文件，该文件定义了API的使用规范
- 兼容性设计：接口设计保持与OpenAI SDK兼容，方便未来直接调用
- 请求转发：构建chat接口将用户请求转发到AI Builder的chat completion API
- 接口测试验证
- 测试方法：通过Swagger UI的”Try it out”功能直接测试接口
- JSON格式：注意删除最后一个逗号保持合法的JSON格式
- 示例请求：用户输入”法国的首都在哪里”，接口成功返回”法国的首都是巴黎”
- Agentic AI系统特征核心特征：
- 工具使用：AI能够判断何时需要使用工具（如搜索引擎）
- 多步决策：AI可以自主决定处理流程的轮次，形成决策循环实现步骤：
- 为AI提供可用工具定义
- 编写代码构建决策循环机制工作流程：
- 用户请求进入系统
- AI判断是否需要使用工具
- 系统执行工具调用（如搜索）
- 将工具结果返回给AI进行下一步决策
- 最终形成响应返回用户
FastAPI搜索功能实现
- 环境配置管理
- 安全存储：使用.env文件存储API token等敏感信息，避免直接写在代码中
- 配置读取：通过load_dotenv()加载环境变量，使用os.getenv()获取配置
- 版本控制：将.env文件添加到.gitignore，同时创建.env.example供开发者参考
- 错误处理：未设置API token时会抛出明确错误提示”AI_BUILDER_API_TOKEN未设置”
- 搜索API实现
- 功能设计：新增/search端点接收搜索关键字，调用AI Builder Space的搜索API
- 参数说明：
- keyword：必需参数，搜索关键词
- max_results：可选参数，默认6，范围1-20返回内容：包含搜索结果列表、综合答案和可能的错误信息
- 测试验证：已测试”Python FastAPI”搜索，返回5个结果包含标题、URL等内容
- 实际应用测试
- 测试案例：搜索”西雅图天气”成功返回结果
- 结果验证：
- 包含天气网站(weather.com)的实时数据
- 同时返回相关图片结果
- 结果按相关性排序接口访问：可通过Swagger UI(http://localhost:8000/docs)查看和测试
- 使用示例：curl -X POST http://localhost:8000/search \ -H “Content-Type: application/json” \ -d ’{“keyword”: “Python FastAPI”, “max_results”: 5}’
- 文档更新README补充：
- 添加环境配置说明
- 包含搜索API使用示例
- 注明必需配置项版本控制：确保敏感配置不会提交到代码仓库
- 启动检查：应用启动时自动验证配置完整性
FastAPI聊天API改造为Agentic Loop
- 搜索API实现与测试
- 接口功能：在FastAPI中添加/search端点，接收关键词搜索请求
- 参数说明：
- keyword：必需参数，搜索关键词（如”Python FastAPI”）
- max_results：可选参数，默认返回6条结果，范围1-20返回内容：包含搜索结果列表、综合答案（如有）和错误信息（如有）
- 测试验证：
- 已测试搜索”Python FastAPI”返回5条结果
- 结果包含标题、URL、内容和评分等信息
- 可通过Swagger UI访问：http://localhost:8001/docs
- Agentic Loop初步实现
- 核心机制：
- 第一轮提供search工具，由LLM决定是否调用
- 若调用工具则执行搜索，强制生成最终回复
- 第二轮不再提供工具，直接生成最终结果实现特点：
- 采用单轮工具调用策略，避免复杂度
- 自动测试机制确保功能正确性
- 示例问题：“西雅图地区最近水灾情况如何，有决堤吗？”
- 调试与优化
- 常见问题：
- 回复被截断：需增加max_tokens参数（测试值1880）
- 工具多次调用：需处理LLM可能发起的多个工具调用调试方法：
- 添加详细日志记录工具调用参数和结果
- 观察prompt_tokens大小判断工具调用情况
- 示例：当输入token>1880时说明使用了search工具
- 多轮工具调用扩展
- 升级方案：
- 支持最多三轮工具调用
- 前两轮提供工具，第三轮强制生成最终回复
- 重构代码增加round_request.update(base_params)调试增强：
- 打印完整消息历史：包括初始消息、工具调用、原始结果和最终回复
- 终端日志显示执行进度，解决”黑盒”问题
- 实际应用测试
- 测试结果：
- 成功搜索到西雅图历史性暴雨和堤坝溃决新闻
- 验证了多轮工具调用的可行性
- 日志系统有效展示执行流程开发建议：
- 避免在调试时使用—reload参数
- 对于复杂查询可分阶段测试
- 注意处理LLM可能发起的并行工具请求
用户界面设计
- 产品架构：构建类似ChatGPT的网页界面，用户输入内容后，后台调用API进行新闻调研和搜索，最终返回结果形成完整产品闭环
- 开发要点：前端通过FastAPI服务网页
- 主页直接渲染聊天界面
- 需包含输入框和发送按钮的交互设计
日志记录机制
- 实现方法：使用Python的logging模块记录关键信息
- 需记录工具调用过程、参数传递和返回结果
- 示例日志内容包含：URL、请求数据、响应状态等
- 调试优势：当API调用出现问题时，可通过日志快速定位
- 能清晰追踪工具调用链（如搜索工具调用3次）
- 可验证参数传递正确性（如keyword参数值）
前端功能实现
- 交互流程：用户输入文本后触发API调用
- 显示”正在思考”动画提升用户体验
- 后台调用chat completion API获取响应
- 渲染处理：需要支持Markdown转HTML的渲染器
- 处理可能包含的多媒体内容（如图片、链接）
- 保持聊天记录的历史上下文
- 异常处理：端口冲突时需自动清理占用进程（如8881端口）
- 实现服务自动重启机制（使用uvicorn reload）
- 错误信息需友好提示前端用户
FastAPI聊天应用
FastAPI网站添加GUI
- 静态网页服务：通过GET/根路径配置静态网页服务，使FastAPI能够直接serve类似ChatGPT的交互界面
- 界面元素：包含输入框和消息展示区域，支持Markdown渲染和自动滚动到最新消息
- 启动方式：使用命令uvicorn main:app —reload —port 8881启动服务后，访问http://localhost:8001/即可使用
提问与后台分析
- 用户提问示例：如”西雅图最近水灾情况如何？“会触发后台的思考和分析过程
- 工具调用策略：多关键词搜索：自动生成多个搜索关键词组合（如”seattle flooding recent news December 2025”）
- 智能决策：像秘书一样判断需要调用哪些工具，避免单一关键词搜索的不准确性
- 状态反馈：前端显示”正在思考”动画，后台日志记录完整的API调用过程
第二轮工具调用
- 历史记录整合：将第一轮工具调用的结果自动添加到对话历史中
- 异常处理：当LLM返回空content时，需要检查是否为工具调用未正确处理的情况
- 强制生成机制：在适当轮次后强制LLM生成最终回复，避免无限循环
用户体验优化
- 调试关键：需要向AI准确描述问题现象（如将完整对话日志和错误信息提供给AI分析）
- 可视化改进：建议将工具调用过程和中间结果也显示给用户，提升交互透明度
- 痛点转化：通过实际使用发现体验问题，再用自然语言描述给AI进行优化
针对工具调用逻辑的debug
- 常见问题：第二轮回复content为空可能是工具调用逻辑未正确处理
- 检查要点：是否遗漏了对工具调用返回值的处理
- 是否设置了强制生成最终回复的机制
- 解决方法：提醒AI检查工具调用后的结果整合逻辑
并行调用工具的debug
- 性能优化：将多个工具调用改为并行执行，显著减少等待时间
- 实现方式：修改代码使AI返回多个工具调用时可以同时执行
- 效果对比：优化后第二轮处理速度明显快于串行调用方式
优化后的效果
- 响应速度：并行调用使整体响应时间缩短约50%
- 结果质量：通过多关键词组合搜索获得更全面的信息
- 典型输出：如返回”截止12月21日，12月上旬至中旬有很多降水…”等结构化信息
工具调用体验
- 与传统AI区别：支持主动调用外部工具获取实时信息
- 可进行多轮工具调用和结果整合
- 应用场景：特别适合需要调研最新信息的任务，比仅能翻译/润色的传统AI更实用
- 交互特点：保持类ChatGPT的自然对话体验，同时具备工具调用能力
FastAPI项目总结
- 项目构建流程：从零构建了一个最简单的FastAPI项目，逐步添加了AI功能对接、搜索引擎集成和网页界面开发等模块。
- 核心功能：AI对接：实现了与AI模型的API对接，使系统具备智能对话能力
- 工具调用：支持多种工具调用，包括搜索引擎等功能
- 前端界面：开发了交互式网页应用，包含聊天历史面板等功能
并行工具调用优化
- 实现方法：并行执行：使用asyncio.gather()同时执行所有工具调用
- 顺序保持：asyncio.gather()会保持结果的顺序与输入顺序一致
- 错误处理：每个工具调用独立处理错误，不会影响其他调用
- 性能对比：串行执行：5个搜索调用，每个约6秒，总计约30秒
- 并行执行：5个搜索调用同时执行，总计约6秒（取决于最慢的那个）
后端测试要点
- 测试策略：全面测试：在构建UI前使用Swagger UI进行全面的后端测试
- 测试场景：验证直接答案和工具使用两种场景
- 文档驱动：将API文档作为测试依据，遵循”文档优先”的工作流程
- 日志监控：重启服务后，多个工具调用会并行执行
- 日志会显示”开始并行执行X个工具调用”和”所有工具调用完成”状态
前端开发指导
- 开发步骤：从Swagger UI复制openapi.json的URL
- 使用Cursor的聊天功能提供详细的前端构建提示
- 创建包含聊天历史面板的网页应用
- 用户体验：区分显示用户消息和助手消息
- 在等待响应时显示”思考”动画
- 测试时可通过输入任意消息进行端到端体验