Agent · 结构化计算
小宠营养师
面向宠物营养场景的智能助手，把开放式对话与可验证的营养计算拆分成不同执行路径。
公开项目2026
使用 LangGraph ReAct Agent 编排工具，并把营养计算沉淀为独立、可测试的确定性引擎。
119自动化测试
2 层Agent / Engine 分离
真实问题
宠物营养问答看起来是一个聊天问题，但热量、喂食量和营养比例属于确定性业务规则。如果所有步骤都交给大模型，结果会难以复现，也很难为错误建立明确边界。
系统方案
系统使用 LangGraph 组织 ReAct Agent，负责理解意图和选择工具；核心营养公式则放在独立引擎中执行。多模态模型用于识别包装或资料中的信息，但结构化结果仍需经过业务校验后才能进入计算。
关键挑战
最难的部分是划分“模型擅长的模糊理解”与“代码必须保证的确定性结果”。我为引擎、工具调用和身份隔离建立测试，让 Agent 的灵活性不以牺牲业务可靠性为代价。
结果与下一步
仓库目前包含 119 项自动化测试，并完成 Agent / Engine 的职责分离。下一步将补充真实咨询样本评测和更细粒度的结果解释。