.NET+AI | Agent | 自定义 Agent （19）-编程阁

自定义 Agent 实现：构建企业级智能体

一句话简介

通过继承 AIAgent 抽象类，实现 FAQ 自动回复、审批工作流、数据查询等企业级自定义 Agent，实现成本优化和业务控制。

🎯 何时需要自定义 Agent

场景	说明	收益
FAQ 自动回复	高频问题用规则匹配	成本降低 90%，响应提升 60 倍
遗留系统集成	包装 ERP/CRM 为 Agent	无缝集成，数据安全可控
测试模拟	返回固定测试数据	零成本，确定性输出
混合模式	规则优先，AI 降级	平衡成本与效果

📝 AIAgent 核心接口

public abstract class AIAgent { public abstract string? Name { get; } public abstract AgentThread GetNewThread(); public abstract AgentThread DeserializeThread(JsonElement serializedThread, ...); public abstract Task<AgentRunResponse> RunAsync( IEnumerable<ChatMessage> messages, AgentThread? thread = null, ...); public abstract IAsyncEnumerable<AgentRunResponseUpdate> RunStreamingAsync( IEnumerable<ChatMessage> messages, ...); }

💻 实战 1：FAQ Agent

零成本、毫秒级响应的 FAQ 自动回复

public classFaqAgent : AIAgent { privatereadonly Dictionary<string, string> _faqDatabase = new() { ["营业时间"] = "周一至周五 9:00-18:00", ["退货"] = "请登录账户 → 订单详情 → 申请退货", ["配送"] = "同城 24 小时，省内 2-3 天", }; publicoverridestring? Name => "FaqAgent"; public override async Task<AgentRunResponse> RunAsync( IEnumerable<ChatMessage> messages, ...) { var userText = messages.LastOrDefault()?.Text ?? ""; // 关键词匹配 var answer = _faqDatabase.FirstOrDefault( kvp => userText.Contains(kvp.Key)).Value; var responseText = answer ?? "抱歉，未找到相关 FAQ"; var responseMessage = new ChatMessage(ChatRole.Assistant, responseText) { AuthorName = this.DisplayName, MessageId = Guid.NewGuid().ToString("N") }; await thread.MessageStore.AddMessageAsync(messages.Concat([responseMessage]), ct); returnnew AgentRunResponse { Messages = [responseMessage] }; } }

效果对比：

指标	传统 AI Agent	FaqAgent
响应时间	1-3 秒	< 50 毫秒
单次成本	¥0.005	¥0
日处理 10 万次	¥500	¥0

💻 实战 2：审批工作流 Agent

多轮对话 + 规则引擎

public classApprovalAgent : AIAgent { privatereadonly List<ApprovalRule> _rules = new() { new() { Type = "请假", MaxDays = 3, Result = "自动通过" }, new() { Type = "请假", MaxDays = 7, Result = "需要主管审批" }, new() { Type = "报销", MaxAmount = 1000, Result = "自动通过" }, }; // 自定义 Thread 存储对话状态 public override AgentThread GetNewThread() => new ApprovalAgentThread(); private string ProcessConversation(ApprovalAgentThread thread, string userInput) { var state = thread.State; // 步骤 1: 识别审批类型 if (!state.HasType) { /* 询问类型 */ } // 步骤 2: 收集金额或天数 if (!state.HasAmount) { /* 询问数值 */ } // 步骤 3: 执行规则匹配 var rule = MatchRule(state.Type, state.Amount); return$"审批结果: {rule.Result}"; } }

💻 实战 3：混合模式 Agent

智能路由 + 降级策略

public classHybridAgent : AIAgent { privatereadonly FaqAgent _faqAgent = new(); privatereadonly DataQueryAgent _dataQueryAgent = new(); privatereadonly IChatClient _aiClient; public override async Task<AgentRunResponse> RunAsync(...) { var intent = ClassifyIntent(userText); // 意图识别 if (intent == "faq") { var response = await _faqAgent.RunAsync(userText); if (IsSuccessful(response)) return response; } if (intent == "data") { var response = await _dataQueryAgent.RunAsync(userText); if (IsSuccessful(response)) return response; } // 降级到 AI returnawait CallAI(userText); } }

成本优化效果：

60% FAQ → ¥0
30% 数据查询 → ¥0
10% AI → 正常费用
年度节省：¥16.2 万（日 10 万次）

🏢 RunAsync 实现检查清单

public override async Task<AgentRunResponse> RunAsync(...) { // ✅ 1. 确保线程存在 thread ??= GetNewThread(); // ✅ 2. 提取用户消息 var userText = messages.LastOrDefault()?.Text ?? ""; // ✅ 3. 执行业务逻辑 var responseText = ProcessLogic(userText); // ✅ 4. 设置消息属性 var responseMessage = new ChatMessage(ChatRole.Assistant, responseText) { AuthorName = this.DisplayName, MessageId = Guid.NewGuid().ToString("N") }; // ✅ 5. 通知线程（关键！） await thread.MessageStore.AddMessagesAsync(messages.Concat([responseMessage]), ct); // ✅ 6. 返回响应 returnnew AgentRunResponse { Messages = [responseMessage] }; }