准确率提升至 90%，阿里商旅基于 AgentScope 构建多智能体差旅助手最佳实践

在差旅管理领域，准确率提升到90%是极具挑战的里程碑。阿里商旅通过引入AgentScope框架，实现多智能体协同，在差旅助手场景中取得了重要突破。这背后的技术选型和架构设计，值得深入了解。

作为阿里巴巴旗下的一站式数智化差旅服务平台，阿里商旅依托其庞大的生态供应链和数字化能力，一直致力于帮助企业降本增效。其推出的差旅助手AliGo，用户只需输入行程时间和地点，系统就能自动规划并推荐交通方式，形成从出差事项收集、行程规划到一键下单的完整闭环。

一、背景

在AliGo系统第一版构建时，团队采用了workflow加单智能体的模式快速上线。但在实际运营中，这种架构方式开始暴露出明显的技术瓶颈。

（一）痛点分析

1. 单智能体模式的技术瓶颈

随着业务逻辑持续复杂化，Prompt Token数量急剧攀升，大模型的注意力机制出现明显衰减，这对高准确率的业务要求构成了直接挑战。具体表现有两个方面：

• 准确性不足
  ：以点选需求为例，即便经过百余次Prompt调优，准确率仍然只有50%左右。

• 稳定性问题
  ：线上频繁出现"事项识别异常请重试"、"事项收集结论不输出"等核心故障，用户体验大打折扣。

2. 架构泛化能力不足

• 协作机制缺失
  ：各Agent之间缺少有效的通信渠道，能力无法复用，扩展性受限。

• 规划能力薄弱
  ：系统缺少统一的规划和协调中枢，只能处理单一意图，无法应对多意图融合的复杂场景。

3. 上下文工程的初级阶段

• 数据结构混杂
  ：用户视角的对话记录与智能体所需的上下文信息没有有效分离，给大模型理解带来了额外负担。

• 共享机制缺失
  ：缺少合理的上下文分层机制，不同子智能体之间无法实现上下文的有效共享和传递。

（二）目标

针对上述痛点，团队启动了AliGo的代码化架构升级，核心目标集中在四个方面：

• 选型一款适合商旅业务的AI框架，解决多智能体间的高效通信、协同与能力复用问题。
• 通过优化上下文工程和Prompt工程，显著提升事项收集准确率及用户体验。
• 通过重构核心业务逻辑，彻底解决"事项收集异常"、"总结卡片不出"等长期存在的稳定性问题。
• 实现容器化和代码化的灵活部署，满足不同客户的部署需求。

二、方案

（一）技术选型

1. 技术栈：Python还是Ja va

最终的决定是采用混合模式——"Python写核心AI逻辑，Ja va写服务层"。具体分工很清晰：Python负责Agent的核心智能逻辑，包括规划、记忆和LLM调用；Ja va则构建外围高并发服务，比如鉴权、MTop对接和MCP服务等。

2. 智能体框架选型：AgentScope vs LangGraph

团队对两个框架进行了多场景的实操和调研。直观感受是：在基础能力方面，比如MCP服务调用以及与Qwen LLM的集成，AgentScope几乎是开箱即用，而LangGraph需要额外做不少适配工作。最终选型AgentScope，原因在于：

• 提供实时控制、中断处理和沙箱执行等企业级能力。
• 内置AgentStudio可视化工具，让开发全过程透明可控。
• 对Qwen系列模型原生支持。

3. Web框架：FastAPI还是Flask

在Python主流的Web框架中，FastAPI是新生力量，Flask相对传统。最终选择FastAPI，因为异步和类型安全是未来方向，性能表现也更优，更适合大型项目的长期维护。

（二）Multi Agent架构

基于商旅业务特性，团队尝试了几种常见模式。综合考虑准确度和耗时，最终采用"Handoffs（交接模式）+ Routing（纯路由方式）"混合模式。比如在行程规划和知识库查询场景下用Routing，在信息查询场景下用Handoffs，模式不固定，可按需灵活调整。

1. 架构图

以主规划智能体为核心，协调多个专业化子智能体协同工作，形成完整的差旅规划解决方案。

（三）意图识别

意图识别智能体承担四项主要职责：多意图识别与分类、智能体调度决策、query改写，以及显示推理。其中，显示推理采用两段式结构（推理过程加JSON决策），显著提升了意图识别的准确度。

在系统运行过程中，一个明显的性能问题被暴露出来：当用户通过界面操作触发明确功能时，比如点击"为我规划行程"，系统仍然需要经过大模型的完整分析流程，导致不必要的延迟。为此，团队重新审视了架构，提出"快慢车道"的分层策略：

• 快车道：规则引擎
  ，处理固定套路指令，如"为我规划行程"，直接路由到对应智能体。

• 慢车道：大模型分析
  ，处理那些复杂长句、多意图请求。

核心设计在于主智能体的动态Prompt生成机制。主智能体根据规则引擎的识别结果，动态选择不同的处理路径。在项目初期样本量有限的情况下，为兼顾推理速度与准确率，推荐采用推理速度快的大模型，通过显式输出推理逻辑来提升意图识别的准确性。

（四）实时思考链与流式输出

引入多智能体架构不可避免会增加整体响应耗时。团队通过设计实时思考链，动态展示各智能体的推理与协作过程，有效缓解了用户在等待结果时的焦虑感。

1. ReActAgent

这是一种基于"思考-行动-观察"循环架构的系统，深度融合了大语言模型的推理能力与外部工具调用能力。在AgentScope中，其核心由_reasoning和_acting两个抽象方法构成，并通过钩子机制在关键节点注入自定义逻辑。

2. ReActAgent Hook

通过前置打印钩子函数，可以在Agent执行过程中实时拦截每一条生成的消息。当捕获到tool_use类型消息时自动调用对应方法，检测到tool_result时则触发结果记录，实现工具调用及其结果的细粒度追踪。

3. TaskCollector

这是一个自定义任务状态收集器，统一管理思考链的状态信息，涵盖任务生命周期管理、层级关系维护，以及通过发布-订阅模式实时推送状态更新。

4. 流式输出层

该模块的核心职责包括：创建TaskCollector实例管理任务状态、订阅任务更新以实时渲染思考链，以及处理智能体执行结果并生成符合SSE格式的输出流。

5. 一句话经验

基于ReAct智能体在调用工具时暴露的hook，可以构建实时推理链，通过逐步展示智能体的思考与行动过程，有效缓解用户等待时的焦虑感。

（五）上下文工程

核心上下文技术架构涵盖四个方面：全局上下文管理、会话记忆管理、动态Prompt（状态机）和工具注册管理。

1. 记忆架构设计

通过出入栈维护智能体调用链的层级关系，并结合共享sessionId实现模块间的记忆共享。这套设计主要解决三个核心问题：保持模块独立性、实现不同智能体模块之间的数据共享，以及提供完整的执行链路追踪能力。

2. 数据表关系

• 消息存储表：存储详细的消息记录。
• 会话管理表：管理会话的基本信息和描述。
• 对话记录表：记录精简的对话日志，主要保存用户查询和智能体的最终回答。

3. 记忆共享

为确保智能体的独立性与数据隔离，系统默认采用各智能体独立管理自身对话历史的设计。但在复杂的多智能体协作场景中，用户体验的连续性至关重要。因此，通过引入上下文共享机制，对高相关性的智能体动态开放必要的上下文信息，从而实现对话的无缝流转与状态同步。

4. 一句话经验

AgentScope框架提供了标准化的上下文格式。在技术实现上，以业务关系驱动智能体间的记忆复用，并基于最小权限原则动态供给各智能体所需信息，在有效降低上下文规模的同时，显著提升模型推理的准确度与效率。

（六）Prompt工程（工程与智能体结合）

此前，团队将全部业务流程、规则及工具调用规范嵌入Prompt，这种做法虽保证了整体性，但本质上是一条线性的"工作流程说明书"，难以适配用户非线性、动态变化的对话需求。同时，要求模型在全量业务规则基础上实时推理用户当前状态，对其能力要求极高。

转而采用动态Prompt组装机制后，相当于为AI构建了一个状态机。通过工程手段将自然语言理解与程序化状态控制结合，精准识别用户所处的对话阶段，并将模型注意力聚焦于当前主链路，打造出一个鲁棒性更强、更智能的对话Agent。

一句话经验

在工程实践中，应协同模型共同确定当前及下一轮对话的注意力焦点，并据此明确业务边界。在这个可控范围内，交由AI自主处理逻辑细节，从而在工程确定性与AI灵活性之间实现有效平衡。

三、周边生态

（一）知识库

在AliGo多智能体架构中，团队构建了一套完整的企业级知识库系统，核心能力包括：标准化API接口支持快速集成、图文混排文档处理、支持本地化部署，以及多企业隔离机制。

1. 技术选型

经过调研对比，最终选择MaxKB作为基础框架。主要原因在于：技术栈与AliGo保持一致（Python加PostgreSQL）、功能完善、开源成熟且社区活跃，二次开发成本低。

2. 架构设计

（二）观测

在多智能体系统迭代过程中，团队面临着三大核心观测挑战：首先是问题定位困难；其次，性能优化缺乏数据支撑；最后，效果评估缺少量化指标。

为此，团队尝试构建完整的AI应用可观测性体系，核心目标包括：全链路追踪、多维度观测、打通观测与评测流程，以及支持问题快速定位。

1. 技术选型

在LLM应用监控领域，Langfuse和LangSmith是两个主要选择。经综合评估，Langfuse在开源透明、数据安全、成本控制和可扩展性方面更具优势，完全满足商旅SaaS加本地化部署的诉求。

2. 架构设计

（三）评测

AI测评系统作为质量保障的核心基础设施，为多智能体系统提供自动化、智能化的评测能力。核心能力包括：基于大模型的自动评分、完整的测试生命周期管理，以及可视化报告分析。

1. 架构设计

四、效果

事项收集准确率从原来的50%提升到了90%以上。升级前不可解决的核心bug清单，通过版本升级实现了100%解决。自12月代码化版本上线以来，无论是用户体感还是核心指标，都在逐步改善。

• 获得了InfoQ 2025年度AI Agent最具生产力产品/应用/平台奖项。
• 阿里商旅AI解决方案荣获量子位颁发的2025人工智能年度杰出解决方案奖。

五、未来规划

传统的迭代依赖人工复盘和手动调优，效率低、响应慢，难以支撑系统持续进化。后续，团队将持续通过冷启动优化、主动发现异常、引入Prompt优化智能体等方式，构建一套多智能体自进化方案，驱动阿里商旅向更智能、更敏捷、更可靠的方向升级。