积木库存 Agent

项目背景

项目来自真实的积木散件库存管理需求。随着零件数量和库存记录持续增加，仅依赖 Excel 查询和人工修改的效率逐渐下降，因此将大语言模型的自然语言理解能力与真实库存数据、工具调用结合，让用户可以直接通过对话完成常见库存操作。

Agent 工作流程

系统采用自行实现的 Agent Loop，而不是把任务交给一次 LLM 调用完成。模型会先判断用户意图，再决定是否调用查询或修改工具，并根据工具返回结果继续生成回答。

用户问题
   ↓
LLM 判断任务
   ↓
选择 Tool
   ↓
查询 / 修改库存
   ↓
Tool Result
   ↓
LLM 继续处理
   ↓
最终回答

对库存修改等有副作用的操作，系统加入二次确认机制，将“模型判断”和“真正执行”分开，降低误操作风险。

多轮会话与 Session

系统使用 session_id 保存同一轮对话上下文，让用户可以继续追问“这个零件还有其他颜色吗？”之类的指代问题，不需要重复输入完整零件编号。

同时只向模型提供必要的近期上下文，避免对话持续增长后 Token 消耗失控。

工程实现

• FastAPI 提供后端 API 与流式对话接口。
• 库存查询、分析、修改能力封装为独立 Tool。
• SQLite 负责业务数据与会话相关数据存储。
• 原生 HTML / CSS / JavaScript 实现聊天前端。
• Linux 云服务器部署，systemd 保持服务常驻。
• Nginx 提供 HTTPS 反向代理与统一认证入口。

项目特点

这个项目的重点不是让模型“看起来会聊天”，而是让模型能够通过工具真正访问和修改外部系统。LLM 本身不持有库存事实，而是在需要时调用 Tool 获取实时数据；对有副作用的操作则额外加入确认流程。

项目用于实践 Agent Loop、Tool Calling、Session Memory 以及 LLM 与真实业务系统集成的完整链路。