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

阿里商旅是阿里巴巴旗下一站式数智化差旅服务平台。依托阿里巴巴生态强大的供应链及信息数字整合能力，帮助企业实现降本增效，增加合规透明度，全方位提升企业组织效率及员工差旅体验。其中AliGo阿里商旅的差旅助手，用户只需要输入确定的行程时间和地点，AliGo就会自动规划行程为用户推荐合适的交通方式，实现"出差事项收集 → 行程规划 → 一键下单"的完整业务闭环。

阿里商旅早期通过workflow+单智能体的模式快速构建并成功上线了 AliGo 系统的第一个版本，然而，在实际使用过程中，我们发现这种模式存在技术瓶颈和架构局限性，亟需进行代码化升级。

1.单智能体模式的技术瓶颈

随着业务逻辑复杂度的持续攀升，Prompt Token 数量急剧增长，token 过多，就会导致大模型的注意力机制开始出现明显衰减，无法满足业务对高准确率的核心要求。具体表现为：

• 准确性不足：以点选需求为例，尽管经过百余次的 Prompt 调优，准确率仍仅维持在 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"等核心问题，严重影响用户体验。

2.架构泛化能力不足

• 协作机制缺失：各 Agent 之间缺乏有效的通信机制，导致能力无法复用和协同，扩展性不足。
• 规划能力薄弱：系统缺乏统一的规划和协调中枢，只能处理单一意图识别，无法应对复杂的多意图融合场景。

3.上下文工程的初级阶段

• 数据结构混杂：未有效分离用户视角的对话记录与智能体所需的上下文信息，造成大模型理解负担。
• 共享机制缺失：缺乏合理的上下文分层机制，不同子智能体间无法实现上下文的有效共享和传递。

为了解决上述核心痛点，我们启动了 AliGo 代码化架构升级，主要目标包括：

1. 技术栈：Python or Java

结论：最终采用“Python 写核心 AI 逻辑 + Java 写服务层” 的混合模式。用 Python 实现 Agent 核心智能逻辑，包括 规划、记忆、LLM 调用；Java 构建外围高并发服务，比如前置的鉴权、MTop 对接、MCP 服务等。

编者：AliGo选型时间为2025年中旬，目前，AgentScope已经提供AgentScope Java，供Java开发者选择

2. 智能体框架选型：AgentScope vs LangGraph

团队对两个框架进行了多个场景的实操和调研，直观感受：对于基础能力，如 MCP 服务调用、与 Qwen LLM 集成时 AgentScope 开箱即用，LangGraph 要额外做一些适配工作等原因，最终选型AgentScope，原因如下：

• 提供实时控制、中断处理、沙箱执行等企业级能力；
• 内置AgentStudio 可视化工具，可以帮助我们获得透明开发体验，掌握智能体开发的全部生命周期；
• 对 Qwen 系列模型原生支持；

3. Web 框架：FastAPI or Flask

Python 主流的 Web 框架主要是 FastAPI（新）和 Flask（老）。

结论：使用 FastAPI，原因如下：

• 现代 Web 开发趋势，异步和类型安全是未来，异步处理需求较多；
• 性能更好，FastAPI 的类型安全更有助于大型项目维护。

基于商旅业务特性，我们尝试了几种常见的 Multi Agent 架构模式。

结论：基于准确度与耗时的考量，我们采用了“Handoffs（交接模式）+ Routing（纯路由方式）”混合的模式，比如在行程规划、知识库查询的场景下采用 Routing 模式，在信息查询的场景下采用 Handoffs 模式，模式不固定可按需调整。

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。

意图识别智能体的职责如下：

主智能体+意图识别智能体实现-Level3 组件图

在系统运行过程中我们发现了一个性能问题：当用户有明确意图并通过界面操作触发功能时（如点击“为我规划行程”、“为我提申请”、“开始规划”），系统仍需经过大模型的完整分析流程，导致不必要的延迟。
我们重新审视了架构设计，提出了分层处理策略：将明确的用户意图通过快速通道直接路由，复杂语义理解仍交由 AI 智能分析。整体就是个"快慢车道"的设计：

• 快车道：规则引擎，处理那些固定套路的话，比如“为我规划行程”、“为我提申请”、“开始规划”这种，可以直接跳过意图分析直接路由到对应智能体。
• 慢车道：大模型分析，处理那些复杂的、长句子、多意图的请求。

第二阶段的主智能体+意图识别架构

核心的设计在于主智能体的动态 Prompt 生成机制。主智能体（main_plan_agent）并不是简单地调用规则引擎或 LLM 意图识别，而是根据规则引擎的 classify() 结果动态选择不同的处理路径：

def get_prompt_main_plan(user_input: str) -> str:    # 运行时决策：根据规则引擎结果动态选择Prompt模板    rule_match_result = classifier.classify(user_input)    if rule_match_result:        # 规则匹配成功：生成简单意图Prompt，直接路由到对应智能体        return _get_simple_intent_prompt(...)    else:        # 规则匹配失败：生成复杂意图Prompt，先调用intent_recognition_agent        return _get_complex_intent_prompt(...)

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，可采用推理速度快的大模型（如 Qwen3-Next-80B-A3B-Instruct），通过显式输出其推理逻辑，有效提升意图识别的准确性。商旅应用场景：意图识别、日期时间转化。

引入多智能体架构模式不可避免地增加了整体响应耗时，因此我们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，来缓解用户在等待最终结果时的焦虑感。

1. ReActAgent

该智能体是一种基于“思考（Reason）-行动（Act）-观察（Observation）”循环架构的系统，深度融合大语言模型的推理能力与外部工具调用能力，通过交替生成推理轨迹与执行动作高效完成复杂任务。

在 AgentScope 中，其核心由两个抽象方法_reasoning和_acting构成，并通过钩子机制（Hooks）在推理、执行等关键节点注入自定义逻辑，从而支持实时引导、并行工具调用、结构化输出等高级功能。

• 推理过程（_reasoning）：调用大语言模型生成下一步行动方案；支持流式输出以实时呈现思考链；并能自动将纯文本响应解析为结构化的工具调用格式。
• 执行过程（_acting）：支持工具的并行或串行调用；统一处理执行结果并持久化至内存上下文；同时提供中断响应与错误恢复机制。

observation = initial_user_inputhistory = []
while True:  # 调用大语言模型，基于当前观察和历史生成思考与行动  thought, action, action_input = llm_agent.reason_and_act(observation, history)
  if action == "Finish":    # 任务完成，输出最终答案    return thought  # 即最终回答  else:    # 执行工具调用    result = execute_tool(action, action_input)    # 将工具结果作为新的观察    observation = result    # 记录本轮推理与执行到历史    history.append((thought, action, result))

2. ReActAgent Hook

通过前置打印钩子函数（print hook），可在 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add_tool_use，而检测到tool_result类型消息时，则触发add_tool_result，从而实现对工具调用及其结果的细粒度追踪与状态同步。

# 在_react_agent.py中的_acting方法实现了工具调用的实时返回async def _acting(self, tool_call: ToolUseBlock) -> Msg | None:  # 创建工具结果消息容器  tool_res_msg = Msg(...)
  try:    # 执行工具调用，返回AsyncGenerator    tool_res = await self.toolkit.call_tool_function(tool_call)
    response_msg = None    # 异步迭代处理工具响应块    async for chunk in tool_res:      # 实时更新工具结果      tool_res_msg.content[0]["output"] = chunk.content
      # 实时打印输出（除非是完成函数且成功执行）      if (tool_call["name"] != self.finish_function_name or          not chunk.metadata.get("success")):        await self.print(tool_res_msg, chunk.is_last)
        # 处理中断        if chunk.is_interrupted:          raise asyncio.CancelledError()
          # 返回最终响应消息          if (tool_call["name"] == self.finish_function_name and              chunk.metadata and chunk.metadata.get("success")):            response_msg = chunk.metadata.get("response_msg")
      return response_msg

[  {    "type": "tool",    "id": "{id}",    "name": "query_tool",    "input": {      "question": "什么是差标管控"    }  }]
[  {    "type": "result",    "id": "{id}",    "name": "query_tool",    "output": [      {        "type": "text",        "text": "问题: 什么是差标管控\n\n搜索结果:\n\n1. 相似度: N/A\n\n\n在阿里商旅出差审批单中，预算与差标的区别如下：\n- 预算是指本次差旅出行的整体预算费用。\n- 差标是指本次差旅形成中，出行人乘坐飞机以及入住酒店等差旅类目的费用标准。\n\n"      }    ]  }]

ReActAgent.register_class_hook('print', 'task_print_hook', task_print_hook)

3. TaskCollector

TaskCollector 是一个自定义任务状态收集器，核心职责是统一管理思考链状态信息。其主要功能包括：管理任务的完整生命周期（PENDING、DOING、DONE、FAILED）、维护任务间的层级关系、通过发布-订阅模式实时推送状态更新，以及管理任务队列与订阅者列表。

关键方法涵盖：

• add_use() 用于添加工具调用任务。
• add_result() 用于记录工具执行结果。
• subscribe()/unsubscribe() 实现灵活的订阅管理机制。

4. 流式输出层

该模块的核心职责包括：

5. 一句话经验

基于 ReAct 智能体在调用工具时暴露的 hook，可构建实时推理链（Chain-of-Thought），通过逐步展示智能体的思考与行动过程，有效缓解用户在等待最终结果时的焦虑感。

核心上下文技术架构：

• 全局上下文管理
• 会话记忆管理
• 动态 Prompt（状态机）
• 工具注册管理

1. 记忆架构设计

通过出入栈的方式维护智能体调用链的层级关系以及共享 sessionId 来实现模块间的记忆共享。主要解决以下三个核心问题：

2. 数据表关系

• 消息存储表：用于存储详细的消息记录；
• 会话管理表：用于管理会话的基本信息和会话描述；
• 对话记录表：用于存储精简的对话记录，主要记录用户查询和智能体的最终回答；

3. 记忆共享

为确保智能体（Agent）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；然而，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。为此，我们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，在保障隔离性的同时兼顾协作效率与体验一致性。

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的上下文信息，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。

我们此前将业务流程、规则及工具调用规范全部嵌入 Prompt 中，虽保证了整体性，但其结构本质上是一个线性的“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，对其能力要求会非常高。

为此，我们转而采用动态 Prompt 组装机制，本质上为 AI 构建了一个状态机：通过工程手段结合自然语言理解与程序化状态控制，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，从而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；在此可控范围内，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。

在 AliGo 多智能体架构中，为了给各个企业提供内部知识检索能力，也为了支持差旅场景的专业问答（差旅政策、申请单规则、企业制度等），我们构建了一套完整的企业级知识库系统，具备以下核心能力：

1. 技术选型

一、方案对比

我们调研了市面上的两种成熟的方案：

二、选型结论

最终选择 MaxKB 作为基础框架，主要原因：

2. 架构设计

在 AliGo 多智能体系统迭代过程中,我们面临着三大核心观测挑战:

为了解决上述痛点,我们尝试构建完整的AI应用可观测性体系,核心目标包括:

1. 技术选型

在 LLM 应用开发和监控领域，主要的可观测性平台是 Langfuse（开源）和 LangSmith（商业）。

选型结论：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具有更具优势，完全满足商旅 Saas + 本地化部署的诉求，是构建可控、可靠的 LLM 应用监控平台的最佳选择。

2. 架构设计

在阿里商旅行程规划系统中，AI测评系统作为质量保障的核心基础设施，为多智能体系统的输出结果提供自动化、智能化的评测能力。随着智能体能力的不断迭代升级，我们需要一套完整的测评体系来确保每次发布的质量稳定性, 因此构建了这套AI测评系统，具备以下核心能力:

1. 架构设计

• 升级前不可解决的 bug 列表，通过版本升级100%解决。
• 试用日志从 12 月代码化版本上线后，体感和指标都逐步变好。
• 有幸获得了 InfoQ 2025 年度 AI Agent 最具生产力产品/应用/平台。
• 阿里商旅 AI 解决方案有幸荣获量子位颁发的 2025 人工智能年度杰出解决方案奖认可。

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