当前位置：首页 > article >正文

Qwen智能体qwen_agent与Assistant功能初探

article 2025/10/1 0:26:56

Qwen智能体qwen_agent与Assistant功能初探

一、Qwen智能体框架概述

Qwen（通义千问）智能体框架是阿里云推出的新一代AI智能体开发平台，其核心模块qwen_agent.agent提供了一套完整的智能体构建解决方案。该框架通过模块化设计，将LLM（大语言模型）能力与专业工具链相结合，支持开发者快速构建具备复杂问题处理能力的AI助手。

二、qwen_agent核心架构

1. 分层设计理念

基础层：封装了Qwen大模型的基础推理能力
工具层：集成搜索引擎、代码执行、文档解析等工具
控制层：实现任务规划、工具调度和结果验证
交互层：提供多轮对话管理和上下文保持

2. 关键技术特性

from qwen_agent.agent import Agent# 典型初始化示例
agent = Agent(llm="qwen-max",  # 支持不同规模的模型选择tools=['web_search', 'code_interpreter'],  # 可插拔工具集system_message="你是一个专业数据分析助手"  # 角色设定
)

三、Assistant功能详解

1. 多模态任务处理

文档解析：支持PDF/Word/Excel等格式的深度理解
表格处理：自动提取结构化数据并执行分析
图像理解：结合Qwen-VL多模态模型实现图文交互

2. 复杂任务分解，智能选择不同function。

@register_tool('exc_sql')
class ExcSQLTool(BaseTool):
bot = Assistant(llm=llm_cfg,name='电商销售助手',description='订单查询与订单分析',system_message=system_prompt,function_list=['exc_sql'],  # 只传工具名字符串
)

四、典型应用场景

智能客服：处理80%以上标准咨询，转人工率降低60%
数据分析：将自然语言需求自动转化为SQL/Python代码
知识管理：构建企业专属知识库问答系统

五、完整代码示例

本示例代码是打通我自己笔记本上的虚机和自建的oracle数据库，模拟了一个电商销售助手的功能.

数据库orders表如下：

Python代码如下：

# 1.导入必要的库
import os
import asyncio
from typing import Optional
import dashscope
from qwen_agent.agents import Assistant
from qwen_agent.gui import WebUI
import pandas as pd
from sqlalchemy import create_engine,text
from sqlalchemy.exc import SQLAlchemyError
from qwen_agent.tools.base import BaseTool, register_tool

#测试oracle连接db_user = "dbtest"
db_password = "test"
db_host = "192.168.43.11:1521"
service_name = "FREEPDB1"
# 1.连接字符串oracle_connection_string = f"oracle+cx_oracle://{db_user}:{db_password}@{db_host}/?service_name={service_name}"# 创建SQLAlchemy引擎try:engine = create_engine(oracle_connection_string)connection = engine.connect()print("数据库连接成功！")result =connection.execute(text("SELECT * FROM products FETCH FIRST 5 ROWS ONLY"))# 转换为DataFramedf = pd.DataFrame(result.fetchall(), columns=result.keys())print(df)  # 以表格形式打印connection.close()
except SQLAlchemyError as e:print(f"数据库连接失败: {e}")

数据库测试结果：

数据库连接成功！product_id  category_id product_name     product_desc  price  stock  sales  \
0       10001       100101        智能手机X  最新款智能手机，6.5英寸屏幕   5999    100     50   
1       10002       100101        智能手机Y   高性价比手机，6.1英寸屏幕   2999    200    120   
2       10003       100101        智能手机Z  入门级智能手机，5.8英寸屏幕   1999    150     80   
3       10004       100102        轻薄笔记本  超薄设计，高性能，13.3英寸   8999     50     30   
4       10005       100102        游戏笔记本    高性能游戏本，15.6英寸  12999     30     15   create_time update_time  status  
0  2022-01-01  2022-06-01       1  
1  2022-01-05  2022-06-05       1  
2  2022-01-10  2022-06-10       1  
3  2022-01-15  2022-06-15       1  
4  2022-01-20  2022-06-20       1

主体代码：

# 配置 DashScope
dashscope.api_key = os.getenv('DASHSCOPE_API_KEY', '')  # 从环境变量获取 API Key
dashscope.timeout = 30  # 设置超时时间为 30 秒# ====== 门票助手 system prompt 和函数描述 ======
system_prompt = """我是电商销售助手，以下是关于电商销售订单表orders,货品表order_items和客户表users的相关字段，我可能会编写对应的SQL，对数据进行查询
-- 电商销售订单表
CREATE TABLE "ORDERS" (	"ORDER_ID" NUMBER, "ORDER_NO" VARCHAR2(50) NOT NULL ENABLE, "USER_ID" NUMBER NOT NULL ENABLE, "ADDRESS_ID" NUMBER NOT NULL ENABLE, "TOTAL_AMOUNT" NUMBER(10,2) NOT NULL ENABLE, "PAYMENT_AMOUNT" NUMBER(10,2) NOT NULL ENABLE, "FREIGHT_AMOUNT" NUMBER(10,2) DEFAULT 0, "ORDER_STATUS" NUMBER(1,0) DEFAULT 0, "PAYMENT_TIME" DATE, "DELIVERY_TIME" DATE, "RECEIVE_TIME" DATE, "CREATE_TIME" DATE DEFAULT SYSDATE, PRIMARY KEY ("ORDER_ID"))--货品表
CREATE TABLE "ORDER_ITEMS" (	"ITEM_ID" NUMBER, "ORDER_ID" NUMBER NOT NULL ENABLE, "PRODUCT_ID" NUMBER NOT NULL ENABLE, "PRODUCT_NAME" VARCHAR2(100) NOT NULL ENABLE, "PRODUCT_IMAGE" VARCHAR2(200), "PRICE" NUMBER(10,2) NOT NULL ENABLE, "QUANTITY" NUMBER NOT NULL ENABLE, "TOTAL_PRICE" NUMBER(10,2) NOT NULL ENABLE, PRIMARY KEY ("ITEM_ID")）--客户表
CREATE TABLE USERS" (	"USER_ID" NUMBER, "USERNAME" VARCHAR2(50) NOT NULL ENABLE, "PASSWORD" VARCHAR2(100) NOT NULL ENABLE, "EMAIL" VARCHAR2(100) NOT NULL ENABLE, "PHONE" VARCHAR2(20), "REGISTER_DATE" DATE DEFAULT SYSDATE, "STATUS" NUMBER(1,0) DEFAULT 1, PRIMARY KEY ("USER_ID")
)"""# ====== exc_sql 工具类实现 ======
@register_tool('exc_sql')
class ExcSQLTool(BaseTool):"""SQL查询工具，执行传入的SQL语句并返回结果。功能：- 执行SQL查询并返回结果- 支持数据库连接和错误处理- 限制返回结果数量为10行参数：- sql_input: SQL查询语句- database: 数据库名称（可选，默认为'ubr'）返回：- 查询结果（最多10行，以markdown格式返回）"""description = '对于生成的SQL，进行SQL查询'parameters = [{'name': 'sql_input','type': 'string','description': '生成的SQL语句','required': True}]def call(self, params: str, **kwargs) -> str:"""执行SQL查询并返回结果参数：- params: JSON格式的参数字符串，包含sql_input和可选的database返回：- 查询结果（最多10行，以markdown格式返回）"""import jsonargs = json.loads(params)sql_input = args['sql_input']database = args.get('database', 'ubr')# 创建数据库连接engine = create_engine(oracle_connection_string)try:df = pd.read_sql(sql_input, engine)# 返回前10行，防止数据过多return df.head(10).to_markdown(index=False)except Exception as e:return f"SQL执行出错: {str(e)}"# ====== 初始化门票助手服务 ======
def init_agent_service():"""初始化电商销售助手服务功能：- 配置通义千问模型参数- 初始化助手实例- 注册SQL查询工具- 设置助手名称和描述返回：- 配置好的助手实例"""llm_cfg = {'model': 'qwen-turbo-2025-04-28','timeout': 30,'retry_count': 3,}try:bot = Assistant(llm=llm_cfg,name='电商销售助手',description='订单查询与订单分析',system_message=system_prompt,function_list=['exc_sql'],  # 只传工具名字符串)print("助手初始化成功！")return botexcept Exception as e:print(f"助手初始化失败: {str(e)}")raisedef app_tui():"""终端交互模式功能：- 支持连续对话- 支持文件输入- 实时响应用户查询- 异常处理和错误提示"""try:# 初始化助手bot = init_agent_service()# 对话历史messages = []while True:try:# 获取用户输入query = input('user question: ')# 获取可选的文件输入file = input('file url (press enter if no file): ').strip()# 输入验证if not query:print('user question cannot be empty！')continue# 构建消息if not file:messages.append({'role': 'user', 'content': query})else:messages.append({'role': 'user', 'content': [{'text': query}, {'file': file}]})print("正在处理您的请求...")# 运行助手并处理响应response = []for response in bot.run(messages):print('bot response:', response)messages.extend(response)except Exception as e:print(f"处理请求时出错: {str(e)}")print("请重试或输入新的问题")except Exception as e:print(f"启动终端模式失败: {str(e)}")def app_gui():"""图形界面模式功能：- 基于WebUI提供图形界面- 预设常用查询建议- 支持实时对话- 异常处理和错误提示"""try:print("正在启动 Web 界面...")# 初始化助手bot = init_agent_service()# 配置聊天界面，列举3个典型门票查询问题chatbot_config = {'prompt.suggestions': [               '帮我查看订单金额排名','帮我从多到小列出前5位购买最多的货物','请帮我查询客户订单金额排名前5的订单信息，包括订单号，订的货物清单以及客户姓名','请帮我查询客户订单金额排名前5的订单信息，包括订单号，订的货物清单以及客户姓名，请按订单为单位显示，一张订单有多个货物的，将货物名称罗列出来']}print("Web 界面准备就绪，正在启动服务...")# 启动 Web 界面WebUI(bot,chatbot_config=chatbot_config).run()except Exception as e:print(f"启动 Web 界面失败: {str(e)}")print("请检查网络连接和 API Key 配置")if __name__ == '__main__':# 运行模式选择app_gui()          # 图形界面模式（默认）

默认运行图形界面

正在启动 Web 界面...
助手初始化成功！
Web 界面准备就绪，正在启动服务...
* Running on local URL:  http://127.0.0.1:7860

点开链接，初始化界面如下
在这里插入图片描述

可以看到它的自动纠错功能
在这里插入图片描述

友情提示你的查询可能有问题：

在这里插入图片描述
如此复杂的SQL，它能生成！

SELECT o.ORDER_NO, LISTAGG(oi.PRODUCT_NAME, ', ') WITHIN GROUP (ORDER BY oi.ITEM_ID) AS product_list, u.USERNAME, o.TOTAL_AMOUNT FROM ORDERS o JOIN ORDER_ITEMS oi ON o.ORDER_ID = oi.ORDER_ID JOIN USERS u ON o.USER_ID = u.USER_ID GROUP BY o.ORDER_NO, u.USERNAME, o.TOTAL_AMOUNT ORDER BY o.TOTAL_AMOUNT DESC FETCH FIRST 5 ROWS ONLY"

在这里插入图片描述

六、Qwen智能体总结

优点：模块化架构支持灵活扩展，集成多工具链（搜索/代码/文档处理），具备复杂任务分解和动态学习能力，企业级场景适配性强，支持多模态交互。
缺点：工具配置复杂度较高，长任务处理效率依赖模型性能，定制开发需技术基础，实时性较专用系统稍弱。

同类产品：

OpenAI的Assistant API（功能相似但更封闭）
LangChain（更开发者导向但集成度低）
Microsoft Copilot Studio（企业集成强但灵活性弱）

发展动向：

强化多智能体协作与竞合机制（目前google正在推A2A，Agent to Agent)
开源生态建设（对标LangChain）

*** Qwen在平衡灵活性与开箱即用体验上优势明显，正快速追赶国际头部产品。***