仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
在企业管理、教育选择、法律咨询甚至心理健康等场景中，人们常常面临「信息复杂」「选项众多」「缺乏经验」的问题。传统的问答类AI无法提供真正“有逻辑”的建议，于是我构建了一个更实用的系统：辅助决策型Agent（DecisionAgent）。
它不是简单回答一个问题，而是：
分析用户的情况和目标；
累加上下文和历史；
调用工具或数据库查找方案；
主动追问缺失的信息；
最终给出结构化、有针对性的建议。
整个系统采用前后端分离架构，后端基于Python构建，前端采用React+Vite。
访问浏览器中提示的地址，即可开始对话体验。
我设计了9个典型的Agent场景，覆盖生活中常见的决策痛点：
场景名
示例用途
教育规划
专业选择、升学路径
⚖️法律咨询
民事纠纷、合同风险
金融投资
理财建议、资产配置
心理健康
情绪识别、心理疏导
企业经营
运营优化、战略调整
供应链优化
仓储调度、库存管理
危机应对
应急响应、灾难管理
智能客服
投诉响应、常见问题答复
疾病诊断
症状判断、初步诊疗建议
这些Agent的核心结构是统一的：输入-特征提取-匹配-判断是否足够-追问/输出建议。
我喜欢画画，将来读什么专业比较合适？有哪些学校可以选？
系统将自动提问“你是否对动画设计感兴趣？”“有没有基础绘画经验？”等，以缩小选择范围，最终给出推荐专业和对口院校。
每个Agent背后都有一套结构化知识数据，用于驱动匹配与推理：
这些数据已经预构建为向量库，支持语义匹配，后端使用了本地embedding+模拟工具调用策略（可拓展真实API）。
逻辑示例：
✅多场景多Agent结构：每个场景一个Agent，轻松复用
✅主动式问询/追问机制：不满足信息时自动追问
✅结构化知识+语义匹配：提升决策可靠性
✅前后端分离，易部署扩展
你可以轻松接入更多场景，如医疗保险、职业发展、儿童教育等。
GitHub地址：https ://github. com/johnson7788/DecisionAgent(
欢迎Star、Fork、提Issue，也欢迎在评论区告诉我你希望增加哪些决策场景！
如果你对多Agent系统、结构化决策支持系统、AIAgent实战落地感兴趣，欢迎一起探讨交流！
进技术交流群请添加AINLP小助手微信（id:ainlp2)
请备注具体方向+所用到的相关技术点
关于AINLP
AINLP是一个有趣有AI的自然语言处理社区，专注于AI、NLP、机器学习、深度学习、推荐算法等相关技术的分享，主题包括LLM、预训练模型、自动生成、文本摘要、智能问答、聊天机器人、机器翻译、知识图谱、推荐系统、计算广告、招聘信息、求职经验分享等，欢迎关注！加技术交流群请添加AINLP小助手微信(id：ainlp2)，备注工作/研究方向+加群目的。
