coze+laf 天气查询agent-开发文档

2025-03-08

[TOC]

天气查询agent-开发文档

使⽤coze + laf 开发⼀个智能体能解决查天⽓场景，⽀持单轮/多轮场景

一、技术栈

Coze 用于智能体对话逻辑，实现单轮/多轮交互
LAF (云开发平台) 提供云函数、数据库、API 处理天气天气
天气数据（随机生成） 由 LAF 云函数生成模拟天气数据

二、开发

1、laf

laf 是开源的云开发平台，提供云函数、云数据库、云存储等开箱即用的应用资源。

1）注册登录。

2）创建应用，开始编写【查询天气API】

3）函数getWeather()代码：

export default async function (ctx: FunctionContext) {
  // 获取请求参数
  const city = ctx.query.city || "未知城市";
  const date = ctx.query.date || "今天";

  // 🌦 可能的天气类型
  const weatherTypes = [
    "晴天", "多云", "阴天", "小雨", "中雨", "大雨", "雷暴", "大雪", "雾霾", "沙尘暴"
  ];

  // 🌡️ 生成温度（最低温 & 最高温）
  const minTemp = Math.floor(Math.random() * 15) + 5;  // 5°C ~ 20°C
  const maxTemp = minTemp + Math.floor(Math.random() * 10) + 5;  // 高温比低温高 5~15°C

  // 🍃 风速 & 风向
  const windSpeeds = ["1级风", "2级风", "3级风", "4级风", "5级风", "6级风"];
  const windDirections = ["东风", "西风", "南风", "北风", "东北风", "西南风", "东南风", "西北风"];

  // 💧 湿度范围（%）
  const humidity = Math.floor(Math.random() * 50) + 30; // 30% ~ 80%

  // 🌫️ 空气质量
  const airQualityLevels = ["优", "良", "轻度污染", "中度污染", "重度污染"];
  const airQuality = airQualityLevels[Math.floor(Math.random() * airQualityLevels.length)];

  // 📅 生成24小时的天气数据
  const hours = [
    { time: "06:00", weather: "晴天", temperature: `${minTemp}°C ~ ${maxTemp}°C`, wind: `${windSpeeds[0]} ${windDirections[0]}`, humidity: `${humidity}%`, airQuality },
    { time: "09:00", weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)], temperature: `${minTemp + 2}°C ~ ${maxTemp + 2}°C`, wind: `${windSpeeds[1]} ${windDirections[2]}`, humidity: `${humidity + 5}%`, airQuality },
    { time: "12:00", weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)], temperature: `${minTemp + 5}°C ~ ${maxTemp + 5}°C`, wind: `${windSpeeds[2]} ${windDirections[3]}`, humidity: `${humidity + 10}%`, airQuality },
    { time: "14:00", weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)], temperature: `${minTemp + 6}°C ~ ${maxTemp + 6}°C`, wind: `${windSpeeds[3]} ${windDirections[4]}`, humidity: `${humidity + 15}%`, airQuality },
    { time: "18:00", weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)], temperature: `${minTemp + 4}°C ~ ${maxTemp + 4}°C`, wind: `${windSpeeds[4]} ${windDirections[5]}`, humidity: `${humidity + 20}%`, airQuality },
    { time: "21:00", weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)], temperature: `${minTemp + 1}°C ~ ${maxTemp + 1}°C`, wind: `${windSpeeds[1]} ${windDirections[6]}`, humidity: `${humidity + 25}%`, airQuality }
  ];

  // 📌 组合天气信息
  const weatherInfo = {
    city,
    date,
    hours
  };

  return {
    status: "success",
    data: weatherInfo
  };
}

4）右上角点击发布，得到【API 调用URL】：https://APPID.laf.run/getWeather。

2、Coze

无论你是否有编程基础，你都可以在扣子平台快速搭建一个 AI 智能体。官方文档

1）进入 coze 官网，注册登录，点击 -》创建 -》创建智能体。

2）开发页面

主要用到这四个部分：

1.人设与回复逻辑

智能体的人设与回复逻辑定义了智能体的基本人设，此人设会持续影响智能体在所有会话中的回复效果。建议在人设与回复逻辑中指定模型的角色、设计回复的语言风格、限制模型的回答范围，让对话更符合用户预期。

人设：天气AI助手相关人设，可自定义风格。（过于长，截图中有展示，这里不贴）
回复逻辑：
1. 回复时，结合历史对话信息。
2. 从用户的输入中，分析出参数 city 和参数 date 从用户的输入中，分析出参数 city 和参数 date。（用户可能一次查询多天的数据，请仔细分析，每查询一天都要经历下面的步骤，即下面步骤可能重复进行）
3. 如果历史对话中有相似的查询记录（例如：已经查过了北京-3月8号，现在又查询今天（3月8号）的北京天气），则按照已查询的结果返回给用户即可。
4. 如果没有相似的记录，则还要分析用户传入的时间是否合理，例如：用户查询距今一年之后的天气是完全不合理的，应该提示用户重新输入；查询距今一年以前的数据认为是合理的。
5. 如果没有问题，将这两个参数传入到工作流【weatherPredict】中，工作流会返回格式化的查询结果。
6. 查询结果中包含时间、天气、气温等等，请用格式化的形式，并结合上述人设，清晰、分层次的回复用户。
7. 如有必要，调用插件【必应搜索】，但是注意：天气数据以工作流返回的数据为准。

2.技能

如果模型能力可以基本覆盖智能体的功能，则只需要为智能体编写提示词即可。但是如果你为智能体设计的功能无法仅通过模型能力完成，则需要为智能体添加技能，拓展它的能力边界。

在这里，添加了自定义的工作流【weatherPredict】，用于调用 laf 平台提供的API：

shapes at 25-03-08 16.22.24

增加一个 HTTP 请求节点，三个节点的参数传递联通。
HTTP节点：
- URL：填写laf提供的【API地址】：https://APPID.laf.run/getWeather
- 请求参数：city date

3.对话

可在这里显示智能体提供方信息。

4.预览与调试

实时可与智能体 agent 进行对话，调试设计效果。

三、最终效果

单日多轮次查询（先查询天气，后问是否适合骑行，前后逻辑一致）。
重复地点日期的查询结果一致。
太久以后的天气查询不合理，提示不会查询。
过往天气允许查询。
可一次查询三天内数据。
用户输入中缺少【地点】或【天气】时，提示用户。
不同地点天气数据可对比。

四、优化

1、连续多天查询

测试发现，当用户输入【查询未来连续三天天气】，模型可正常工作；但当查询【未来一周天气变化】时，模型提示操作失败：

这是因为之前的多天查询是通过【循环调用工作流】实现的；现在进行优化，将【循环转移到工作流内部】实现多天查询。

重新定义工作流输入参数类型：
- city
- dateList
新增工作流节点——循环节点，将HTTP请求放在循环体内部循环调用。另外用一个输出节点展示查询过程。
增加一个【大模型节点】，整理总结循环体返回的结构化数据。

测试运行结果：

2、天气数据生成折线图

引入插件【图表大师】

3、新建【天气数据格式】知识库，保证回复内容的格式稳定

## 📍 北京 2025-03-08 天气预报

| 时间段 | 天气状况 | 气温 🌡️ | 风速 💨 | 湿度 💧 | 其他信息 |
|------------|--------------|---------|---------|---------|---------|
| 00:00 - 03:00 | 🌙 晴朗 | 5°C | 2m/s 东风 | 60% | 夜晚微凉，适合睡觉 😴 |
| 03:00 - 06:00 | 🌫️ 多云 | 4°C | 1m/s 东风 | 65% | 轻雾，开车注意安全 🚗 |
| 06:00 - 09:00 | ⛅ 阴天 | 7°C | 3m/s 东南风 | 70% | 适合晨跑 🏃‍♂️ |
| 09:00 - 12:00 | ☀️ 晴天 | 15°C | 5m/s 南风 | 50% | 太阳出来啦，戴墨镜🕶️ |
| 12:00 - 15:00 | 🔥 炎热 | 23°C | 6m/s 西南风 | 40% | 多喝水！避免中暑 🥤 |
| 15:00 - 18:00 | 🌤️ 多云 | 20°C | 4m/s 西风 | 55% | 下午微风拂面 🍃 |
| 18:00 - 21:00 | 🌧️ 小雨 | 14°C | 3m/s 东风 | 75% | 出门记得带伞 ☂️ |
| 21:00 - 00:00 | ⛈️ 雷阵雨 | 10°C | 7m/s 北风 | 80% | 雷雨天注意安全 ⚡ |

---

## 📌 未来 3 天趋势

| 日期 📅 | 最高气温 🌡️ | 最低气温 ❄️ | 天气状况 ⛅ | 风速 💨 | 适宜活动 🎯 |
|---------|------------|------------|------------|---------|------------|
| 03-09 (周日) | 22°C | 10°C | ⛅ 阴天 | 5m/s | 适合外出游玩 🎡 |
| 03-10 (周一) | 18°C | 8°C | 🌧️ 小雨 | 6m/s | 记得带伞 ☂️ |
| 03-11 (周二) | 12°C | 3°C | 🌨️ 大雪 | 8m/s | 室内活动更佳 🏠 |

---

### ✨ 额外信息
✅ **紫外线指数**：🌞 中等，外出需防晒
✅ **空气质量指数**：💨 良好（AQI 50），适合户外活动
✅ **日出 / 日落**：🌅 06:30 / 🌇 18:10

3、还可以引入语音与文本互转的插件

4、Laf 层可以增加多个天气数据源，提高稳定性

示例代码：

import cloud from "@lafjs/cloud";

/**
 * 🌍 多 API 兜底，优先使用外部 API，失败时返回随机天气数据
 */
async function getWeatherFromAPIs(city: string, date: string) {
  const apiList = [
    `https://api.weather1.com/query?city=${encodeURIComponent(city)}&date=${date}`,
    `https://api.weather2.com/weather?location=${encodeURIComponent(city)}&day=${date}`,
    `https://api.weather3.com/v1/weather?place=${encodeURIComponent(city)}&date=${date}`,
  ];

  for (const api of apiList) {
    try {
      const response = await cloud.fetch(api);
      if (response.status >= 200 && response.status < 300) {  // ✅ 正确的状态检查
        const data = response.data;
        return data;
      }

    } catch (error) {
      console.warn(`⚠️ API 请求失败: ${api}`, error);
    }
  }

  // 所有 API 失败，返回模拟数据
  return generateMockWeatherData(city, date);
}

/**
 * 🛠️ 生成随机天气数据（API 兜底）
 */
function generateMockWeatherData(city: string, date: string) {
  const weatherTypes = ["☀️ 晴天", "⛅ 多云", "🌧️ 小雨", "⛈️ 雷暴", "❄️ 大雪", "🌫️ 雾霾"];
  const windSpeeds = ["1级风", "2级风", "3级风", "4级风", "5级风"];
  const windDirections = ["东风", "西风", "南风", "北风", "东北风", "西南风"];

  const minTemp = Math.floor(Math.random() * 10) + 5; // 5°C ~ 15°C
  const maxTemp = minTemp + Math.floor(Math.random() * 10) + 5; // +5 ~ 15°C
  const humidity = Math.floor(Math.random() * 50) + 30; // 30% ~ 80%
  const airQualityLevels = ["优", "良", "轻度污染", "中度污染", "重度污染"];
  const airQuality = airQualityLevels[Math.floor(Math.random() * airQualityLevels.length)];

  const hours = ["06:00", "09:00", "12:00", "15:00", "18:00", "21:00"].map((time) => ({
    time,
    weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)],
    temperature: `${minTemp + Math.floor(Math.random() * 5)}°C ~ ${maxTemp + Math.floor(Math.random() * 5)}°C`,
    wind: `${windSpeeds[Math.floor(Math.random() * windSpeeds.length)]} ${windDirections[Math.floor(Math.random() * windDirections.length)]}`,
    humidity: `${humidity + Math.floor(Math.random() * 20)}%`,
    airQuality,
  }));

  return {
    city,
    date,
    today: { minTemp, maxTemp, airQuality },
    hours,
    forecast: generateFutureWeather(city),
  };
}

/**
 * 📅 生成未来 3 天的天气预报
 */
function generateFutureWeather(city: string) {
  const weatherTypes = ["☀️ 晴天", "🌧️ 小雨", "⛈️ 雷暴", "❄️ 大雪", "🌫️ 雾霾"];
  return [...Array(3)].map((_, i) => {
    const minTemp = Math.floor(Math.random() * 10) + 5;
    const maxTemp = minTemp + Math.floor(Math.random() * 10) + 5;
    return {
      date: `+${i + 1} 天`,
      weather: weatherTypes[Math.floor(Math.random() * weatherTypes.length)],
      temperature: `${minTemp}°C ~ ${maxTemp}°C`,
    };
  });
}

/**
 * 📌 主入口
 */
export default async function (ctx: FunctionContext) {
  const city = ctx.query.city || "未知城市";
  const date = ctx.query.date || "今天";

  // 🌍 查询天气数据（API + 兜底）
  const weatherData = await getWeatherFromAPIs(city, date);

  // 📊 返回 Markdown 格式化数据
  return {
    status: "success",
    data: weatherData,
    markdown: generateMarkdown(weatherData),
  };
}

/**
 * 📊 生成 Markdown 格式天气信息
 */
function generateMarkdown(weatherData: any) {
  const { city, date, today, hours, forecast } = weatherData;

  let md = `## 📍 ${city} - ${date} 天气预报\n\n`;
  md += `🌡 **温度:** ${today.minTemp}°C ~ ${today.maxTemp}°C  \n`;
  md += `💨 **空气质量:** ${today.airQuality}  \n\n`;

  md += `### ⏳ 今日分时天气\n\n`;
  md += `| 时间 ⏰ | 天气 ☁️ | 温度 🌡 | 风 🌬 | 湿度 💧 | 空气质量 🍃 |\n`;
  md += `|--------|--------|--------|--------|--------|--------|\n`;
  hours.forEach((h: any) => {
    md += `| ${h.time} | ${h.weather} | ${h.temperature} | ${h.wind} | ${h.humidity} | ${h.airQuality} |\n`;
  });

  md += `\n### 📅 未来 3 天天气预报\n\n`;
  md += `| 日期 📆 | 天气 ⛅ | 温度 🌡 |\n`;
  md += `|--------|--------|--------|\n`;
  forecast.forEach((f: any) => {
    md += `| ${f.date} | ${f.weather} | ${f.temperature} |\n`;
  });

  return md;
}

新 API getWeatherPro测试结果：