Data_Source/AGENT_QUICKSTART.md

AI Agent 快速开始

30秒上手

1. 配置API Key

# 创建 .env 文件
echo "DASHSCOPE_API_KEY=your_api_key_here" > .env

2. 测试Agent

python test_agent.py

3. 使用API

# 启动服务
python api.py

# 调用Agent
curl -X POST "http://localhost:8001/api/agent" \
  -H "Content-Type: application/json" \
  -d '{"query": "帮我分析一下游戏类视频的热门趋势"}'

常用查询示例

分析分类趋势

curl -X POST "http://localhost:8001/api/agent" \
  -H "Content-Type: application/json" \
  -d '{"query": "帮我分析一下游戏类视频的热门趋势"}'

获取创作建议

curl -X POST "http://localhost:8001/api/agent" \
  -H "Content-Type: application/json" \
  -d '{"query": "我想做美食相关的内容，给我一些建议"}'

分析特定关键词

curl -X POST "http://localhost:8001/api/agent" \
  -H "Content-Type: application/json" \
  -d '{"query": "王者荣耀的视频现在什么内容最火？"}'

多分类对比

curl -X POST "http://localhost:8001/api/agent" \
  -H "Content-Type: application/json" \
  -d '{"query": "对比一下游戏和美食两个分类的热门趋势"}'

自定义Agent行为

修改提示词

编辑 prompts/agent_prompt.md:

## 工作流程

### 2. 制定执行计划

**场景A：用户提到明确的分类**
- 使用 `get_creative_guidance` 获取数据
- 使用 `analyze_video_data` 分析
- 总结并给出建议

**场景B：你的自定义场景**
- 你的自定义逻辑
- ...

添加新工具

在 ai_agent.py 中:

# 1. 定义工具函数
async def your_tool(param: str) -> Dict:
    # 实现
    return {"success": True, "data": ...}

# 2. 在 create_agent() 中注册
agent.register_tool(
    name="your_tool",
    func=your_tool,
    description="工具描述",
    parameters={...}
)

工作原理

用户: "帮我分析游戏类视频"
    ↓
Agent: 理解意图 → 需要游戏分类数据
    ↓
Agent: 调用 get_creative_guidance(category="游戏")
    ↓
Agent: 获得50个视频数据
    ↓
Agent: 调用 analyze_video_data(videos=...)
    ↓
Agent: 获得统计分析结果
    ↓
Agent: 生成最终答案（包含趋势、建议等）
    ↓
返回给用户

支持的查询类型

✅ 分类分析

• "分析游戏类视频"
• "美食分类的热门趋势"

✅ 创作建议

• "我想做XX内容，给我建议"
• "如何做好XX类视频"

✅ 关键词分析

• "XX的视频什么最火"
• "XX领域的热门话题"

✅ 对比分析

• "对比XX和YY两个分类"
• "XX和YY哪个更火"

❌ 不支持的查询

• 创作具体内容（如"写一个视频脚本"）
• 非抖音相关的问题
• 需要实时数据的问题

下一步

• 查看 README_AGENT.md 了解详细功能
• 修改 prompts/agent_prompt.md 自定义行为
• 在 ai_agent.py 中添加新工具
• 访问 http://localhost:8001/docs 查看API文档