在前面的文章中，我們已經學習了快取機制（Day 13）和記憶體系統（Day 14)，並在上一篇文章學習了事件處理與生命週期管理。今天我們將學習一個實用技巧：如何使用規則型分流讓系統自動判斷問題的複雜度，並選擇最適合的處理方式。簡單問題快速回應，複雜問題深度支援
想像一下日常生活中的情景：當有人問你「現在幾點？」時，你會快速回答；但當有人問「我的電腦無法開機，怎麼辦？」時，你會仔細了解問題並提供詳細的解決步驟
在 AI 客服系統中，我們也需要同樣的分流機制
簡單問題 → 快速回應
複雜問題 → 深度支援
讓我們來建立一個 QueryRouter，它能自動判斷問題的複雜度並選擇最適合的處理方式
/**
* QueryRouter - 策略路由的核心類別
* 根據問題類型自動選擇最適合的 Agent
*/
class QueryRouter {
// 快速回應 Agent - 單次執行策略
private val quickAgent = AIAgent(
executor = simpleOpenAIExecutor(openAIKey),
strategy = singleRunStrategy(), // 簡單問題用單次執行
systemPrompt = """
你是一個高效客服助手，專門處理簡單查詢
回答要直接、準確、簡潔
使用正體中文回答
""".trimIndent(),
llmModel = OpenAIModels.CostOptimized.GPT4_1Mini
)
// 深度支援 Agent - 聊天對話策略
private val deepAgent = AIAgent(
executor = simpleOpenAIExecutor(openAIKey),
strategy = chatAgentStrategy(), // 複雜問題用對話策略
systemPrompt = """
你是一個專業的技術支援專家，能處理複雜問題
可以與客戶多輪互動，深入了解問題並提供詳細解決方案
使用正體中文回答
""".trimIndent(),
llmModel = OpenAIModels.CostOptimized.GPT4_1Mini,
toolRegistry = ToolRegistry {
// 可以主動向用戶說話
tool(SayToUser)
// 可以詢問更多資訊
tool(AskUser)
}
)
/**
* 核心功能：判斷問題是否複雜
* 這是基於規則的簡單分類邏輯
*
* 您可以根據需求調整：
* - 增加或修改關鍵字清單
* - 調整長度閾值（目前是 50 字）
* - 加入其他判斷條件（如：包含特定符號、多個句子等）
*/
private fun isComplexQuery(query: String): Boolean {
// 複雜問題的關鍵字
val complexKeywords = listOf(
"分析", "比較", "問題", "故障", "無法",
"不滿意", "投訴", "退款", "協助", "解決"
)
// 檢查是否包含複雜關鍵字
val hasComplexKeywords = complexKeywords.any { query.contains(it) }
// 長問題通常更複雜
val isLongQuery = query.length > 50
return hasComplexKeywords || isLongQuery
}
/**
* 處理客戶查詢的主方法
*/
suspend fun handleQuery(query: String): QueryResult {
return try {
val startTime = System.currentTimeMillis()
// 這裡就是策略路由的關鍵！
val result = if (isComplexQuery(query)) {
println("識別為複雜問題，使用深度支援 Agent")
deepAgent.run(query)
} else {
println("識別為簡單問題，使用快速回應 Agent")
quickAgent.run(query)
}
val processingTime = System.currentTimeMillis() - startTime
QueryResult(
answer = result,
isComplex = isComplexQuery(query),
processingTimeMs = processingTime
)
} catch (e: Exception) {
println("處理問題時發生錯誤: ${e.message}")
QueryResult(
answer = "抱歉，系統暫時無法處理您的問題。請稍後再試",
isComplex = false,
processingTimeMs = 0,
error = e.message
)
}
}
}
// 結果資料類別
data class QueryResult(
val answer: String,
val isComplex: Boolean,
val processingTimeMs: Long,
val error: String? = null
)
讓我們來測試一下 QueryRouter 的策略路由效果
suspend fun main() {
val router = QueryRouter()
println("QueryRouter 策略路由測試")
println("=".repeat(50))
// 測試案例
val testQueries = listOf(
"你們的營業時間是什麼？", // 簡單問題
"我的產品無法正常運作，需要協助解決", // 複雜問題
)
testQueries.forEachIndexed { index, query ->
println("\n測試 ${index + 1}: $query")
val result = router.handleQuery(query)
val strategyName = if (result.isComplex) "深度支援" else "快速回應"
println("選擇策略: $strategyName")
println("處理時間: ${result.processingTimeMs}ms")
println("AI 回應: ${result.answer}")
if (index < testQueries.size - 1) {
println("=".repeat(50))
}
}
println("\n測試完成！策略路由成功運作")
}
QueryRouter 策略路由測試
==================================================
測試 1: 你們的營業時間是什麼？
識別為簡單問題，使用快速回應 Agent
選擇策略: 快速回應
處理時間: 1048ms
AI 回應: 我們的營業時間是週一至週五，上午9點到下午6點。
==================================================
測試 2: 我的產品無法正常運作，需要協助解決
識別為複雜問題，使用深度支援 Agent
您好，請問您的產品是什麼類型？能否描述一下具體的問題或錯誤現象？這樣我可以更精準地幫助您解決問題。
> 我的智慧手錶有問題，無法開機
了解您的智慧手錶無法開機。請問您之前是否有看到任何異常情況，例如電量過低、曾經進行過更新、或是有摔落或進水的情況？另外，您是否嘗試過充電，或長按電源鍵一段時間？
> 都沒有
謝謝您的回覆。接下來我們可以嘗試以下步驟：
1. 請確認充電器和充電線是否正常運作，可以嘗試用其他相容的充電器或線。
2. 將手錶連接充電器，至少充電15分鐘後，再長按電源鍵10秒以上，看看是否可以開機。
3. 如果還是無法開機，請問您的手錶型號和購買時間？方便我判斷是否在保固期內安排後續維修。
> 好的
請提供您的智慧手錶型號和購買日期，這樣我可以幫您確認保固狀況並提供下一步的維修建議。
> a1001，2025/03/01
Agent says: 您的智慧手錶型號為A1001，購買日期為2025年3月1日。根據資料，您的手錶仍在保固期內。建議您可以先嘗試使用我們官方指定的充電器和線進行充電，如果問題仍未解決，我們可以協助您安排維修服務。請問您需要我協助您預約維修嗎？
> 先不用了
Agent says: 好的，如果您之後需要任何協助或想要預約維修，隨時告訴我。我會隨時為您服務，祝您有美好的一天！
選擇策略: 深度支援
處理時間: 82966ms
測試完成！策略路由成功運作
QueryRouter 的核心就是 isComplexQuery 函數，它使用兩個簡單但有效的指標
重要提醒：這個判斷邏輯完全可以根據您的業務需求調整！您可以
private fun isComplexQuery(query: String): Boolean {
val complexKeywords = listOf(
"分析", "比較", "問題", "故障", "無法",
"不滿意", "投訴", "退款", "協助", "解決"
)
val hasComplexKeywords = complexKeywords.any { query.contains(it) }
val isLongQuery = query.length > 50
return hasComplexKeywords || isLongQuery
}
| 特性 | 快速回應 Agent | 深度支援 Agent |
|---|---|---|
| 策略 | simpleSingleRunStrategy() |
chatAgentStrategy() |
| 工具 | 無 | SayToUser, AskUser |
| 適用場景 | 簡單查詢 | 複雜問題 |
使用 QueryRouter 帶來的具體改善
我們實作的 QueryRouter 使用簡單的規則判斷，這種方式
優點
限制
Koog 框架提供了更強大的 Custom Strategy Graphs，它能夠
在接下來的文章中，我們會探索更進階的概念
這些進階技術將展示如何建立更複雜、更靈活的處理流程
今天我們學習了策略路由的核心概念，並實作了一個簡單而有效的 QueryRouter
在下一篇文章中，我們將學習 Koog 的流式處理與即時回應功能，探討如何為用戶提供更流暢的互動體驗
圖片來源：AI 產生
同步刊登於 Blog 第一次學 Kotlin Koog AI 就上手 Day 16：策略路由：根據問題類型選擇最適合的 Agent
iThome鐵人賽
看影片追技術