通过LangChain Agent模拟实现美团外卖下单场景

news2026/3/21 16:14:45
这是一个极具代表性的LangChain Agent 实战场景将用户的自然语言语音指令通过智能代理Agent自动分解为多个工具调用最终完成美团外卖下单这一复杂现实任务。下面我将为你提供一个端到端、可落地、安全合规的完整方案涵盖✅系统架构设计✅工具Tools开发模拟美团 API✅Agent 决策逻辑含少辣、加雪碧等细节✅语音输入处理✅安全与合规设计✅部署与测试建议⚠️重要说明由于美团官方未开放公开下单 API本方案使用模拟工具 用户授权确认机制符合《生成式 AI 服务管理暂行办法》要求——所有敏感操作需用户二次确认。一、整体架构graph LR A[用户手机语音] -- B(ASR 语音识别) B -- C{LangChain Agent} C -- D[工具1商品搜索] C -- E[工具2购物车管理] C -- F[工具3下单预览] F -- G[用户手机确认] G --|确认| H[工具4模拟下单] G --|取消| I[终止流程] H -- J[返回订单号]核心原则不直接调用真实支付接口所有操作可逆、可审计用户全程可控二、工具Tools定义我们将模拟以下 4 个工具实际对接美团需企业合作此处为演示工具 1搜索商品from langchain.tools import tool from typing import List, Dict # 模拟美团商品数据库 MENU { 杨国福麻辣烫: { id: yangguofu_001, base_price: 28.0, options: [微辣, 中辣, 重辣, 不辣], extras: [雪碧 3元, 可乐 3元, 酸梅汤 4元] } } tool def search_mall_product(shop_name: str, product_name: str) - Dict: 根据店铺名和商品名搜索商品信息 if shop_name 杨国福 and 麻辣烫 in product_name: return MENU[杨国福麻辣烫] return {error: 未找到商品}工具 2构建购物车tool def build_shopping_cart( product_id: str, spice_level: str 微辣, extras: List[str] None ) - Dict: 构建包含口味和附加品的购物车 if spice_level not in [微辣, 中辣, 重辣, 不辣]: raise ValueError(辣度选项无效) base MENU[杨国福麻辣烫] total base[base_price] items [f{product_id} ({spice_level})] if extras: for item in extras: if 雪碧 in item: total 3.0 items.append(雪碧 500ml) return { items: items, total_price: total, spice_level: spice_level, extras: extras or [] }工具 3生成下单预览关键用于用户确认tool def generate_order_preview(cart: Dict) - str: 生成人类可读的订单预览供用户确认 items_str \n.join(f- {item} for item in cart[items]) return f 【订单预览】 店铺杨国福麻辣烫 商品 {items_str} 总价¥{cart[total_price]:.2f} 备注少放辣已设为 {cart[spice_level]} ✅ 请回复“确认下单”以完成支付 ❌ 回复“取消”可终止流程 工具 4模拟下单实际应跳转美团 Apptool def simulate_place_order(confirm: str) - str: 模拟下单实际应唤起美团 App 或返回 deep link if confirm.strip() 确认下单: # 实际场景生成美团 deep link 或调用企业 API return 订单已提交订单号MF20240320123456\n请在美团 App 中完成支付。 else: return 订单已取消。三、Agent 配置使用 OpenAI Functionsfrom langchain_openai import ChatOpenAI from langchain import hub from langchain.agents import create_openai_functions_agent, AgentExecutor # 初始化 LLM需支持 function calling llm ChatOpenAI(modelgpt-4-turbo, temperature0) # 拉取官方 prompt prompt hub.pull(hwchase17/openai-functions-agent) # 创建 Agent agent create_openai_functions_agent( llmllm, tools[ search_mall_product, build_shopping_cart, generate_order_preview, simulate_place_order ], promptprompt ) executor AgentExecutor( agentagent, tools[ search_mall_product, build_shopping_cart, generate_order_preview, simulate_place_order ], verboseTrue, max_iterations10, handle_parsing_errorsTrue )四、语音输入处理前端集成用户通过手机语音输入需先转为文本方案 A微信小程序 / App 内集成// 前端JavaScript wx.startRecord({ success: function(res) { const tempFilePath res.tempFilePath; wx.uploadFile({ url: https://your-server.com/asr, filePath: tempFilePath, name: voice, success: function(asrRes) { const text JSON.parse(asrRes.data).text; // 发送给 LangChain Agent callAgent(text); } }); } });方案 B使用云服务阿里云/讯飞调用语音识别 API→ 获取文本 → 传给后端 Agent✅ASR 提示用户语音“帮我点一份杨国福麻辣烫少放辣再加一瓶雪碧”五、完整运行流程用户输入“帮我点一份杨国福麻辣烫少放辣再加一瓶雪碧”Agent 执行步骤调用search_mall_product(杨国福, 麻辣烫)→ 返回商品信息调用build_shopping_cart(product_idyangguofu_001, spice_level微辣, extras[雪碧])→ 构建购物车注意“少放辣” → 映射为“微辣”调用generate_order_preview(cart)→ 返回预览消息含总价、商品、备注等待用户确认关键系统回复预览 “请回复‘确认下单’”用户在手机上点击“确认”或语音说“确认下单”调用simulate_place_order(确认下单)→ 返回模拟订单号 提示“请在美团 App 支付”六、安全与合规设计必须实现风险解决方案未经同意下单所有下单前必须生成人类可读预览用户显式确认隐私泄露不存储用户语音/地址会话结束后清除上下文支付安全绝不处理真实支付仅生成美团 deep link 或跳转官方 App幻觉下单工具严格校验参数如辣度选项白名单审计追踪记录所有工具调用日志用户ID、时间、操作合规依据《生成式人工智能服务管理暂行办法》第十二条“提供者应当采取有效措施防范……未经授权的交易行为。”七、部署方案后端Python FastAPI# main.py from fastapi import FastAPI from pydantic import BaseModel app FastAPI() class VoiceRequest(BaseModel): text: str app.post(/agent) def run_agent(req: VoiceRequest): result executor.invoke({input: req.text}) return {response: result[output]}前端手机 App / 小程序语音 → ASR → 调用/agent→ 展示结果 → 确认按钮部署命令pip install fastapi uvicorn langchain-openai duckduckgo-search uvicorn main:app --reload八、扩展方向真实美团对接申请美团开放平台企业权限替换simulate_place_order为真实 API需 OAuth2 授权多轮对话“不要雪碧了换成可乐” → Agent 更新购物车地址记忆通过用户授权从美团获取默认地址异常处理店铺休息 → 自动推荐附近同类店铺✅ 总结关键成功要素要素实现方式工具精准商品/辣度/附加品结构化定义用户可控下单前强制预览 确认安全合规不碰支付、不存隐私、可审计体验流畅语音→文本→Agent→确认→跳转美团这不是“全自动下单”而是“智能辅助下单”——AI 负责理解意图和准备订单用户负责最终决策这才是负责任的 AI 应用。如果你需要完整的 FastAPI 代码微信小程序前端模板美团 Deep Link 生成方法多商品订单支持欢迎继续提出

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2433945.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…