Preference

Preference (偏好管理)

识别用户偏好并支持追加（还、也）与覆盖（搬家到、改成）。使用 PreferenceAgent。持久化由 MemoryManager 完成：在协调器流程中由协调器写回；单独调用时需根据返回的 preferences 列表自行调用 memory_manager.long_term.save_preference()。

When to Use

• 用户说「我喜欢XX」「我还喜欢XX」「我搬家到XX」「我常坐东航」等

Agent

• PreferenceAgent (agents/preference_agent.py)
• 入参：model、memory_manager（用于读取当前偏好；写回由协调器或调用方完成）
• 异步：reply() 为 async，需 await

行为

• append：识别「还」「也」等，在已有列表上追加
• replace：识别「搬家到」「改成」等，覆盖原值
• 偏好类型：hotel_brands, airlines, home_location, seat_preference, meal_preference, budget_level 等，支持自定义

复合任务处理

• 如果用户一句话中同时包含偏好表达与其他任务（如天气查询、知识库问答、行程规划、历史查询），只提取偏好相关内容，忽略非偏好部分
• 不要因为句子里出现了出发地、目的地、天气、报销、规划等内容，就放弃提取偏好
• 典型复合表达：
  • 「我常住苏州，喜欢高铁和安静酒店。下周我要去成都出差，帮我查天气并规划行程」
  • 该句中，本 skill 只输出偏好：home_location=苏州、transportation_preference=高铁、accommodation_preference=安静酒店

初始化与调用

import asyncio
import json
from agentscope.message import Msg
from agentscope.model import OpenAIChatModel
from config_agentscope import init_agentscope
from config import LLM_CONFIG
from context.memory_manager import MemoryManager
from agents.preference_agent import PreferenceAgent

async def save_preference(user_query: str, user_id: str = "default_user", session_id: str = "default"):
    init_agentscope()
    model = OpenAIChatModel(
        model_name=LLM_CONFIG["model_name"],
        api_key=LLM_CONFIG["api_key"],
        client_kwargs={"base_url": LLM_CONFIG["base_url"], "timeout": 60},
        temperature=LLM_CONFIG.get("temperature", 0.7),
        max_tokens=LLM_CONFIG.get("max_tokens", 2000),
    )
    memory_manager = MemoryManager(user_id=user_id, session_id=session_id, llm_model=model)
    agent = PreferenceAgent(name="PreferenceAgent", model=model, memory_manager=memory_manager)
    user_msg = Msg(name="user", content=user_query, role="user")
    result = await agent.reply(user_msg)
    data = json.loads(result.content) if isinstance(result.content, str) else result.content
    if data.get("has_preferences") and data.get("preferences"):
        for item in data["preferences"]:
            pref_type = item.get("type")
            value = item.get("value")
            action = item.get("action", "replace")
            current = memory_manager.long_term.get_preference().get(pref_type)
            if action == "append" and isinstance(current, list):
                memory_manager.long_term.save_preference(pref_type, current + [value])
            else:
                memory_manager.long_term.save_preference(pref_type, value)
    return data

# 使用
data = asyncio.run(save_preference("我还喜欢如家"))
# data: {"preferences": [{"type": "hotel_brands", "value": "如家", "action": "append"}], "has_preferences": true}

返回格式

• preferences: 列表，每项 { "type", "value", "action": "append"|"replace" }
• has_preferences: bool

偏好提取规则

【任务说明】 你需要判断用户的意图：

1. 追加（append）：用户想在已有偏好基础上增加新的选项

   • 关键词：「还」、「也」、「另外」、「以及」
   • 示例："我还喜欢汉庭" → 追加到 hotel_brands
   • 示例："我也常坐东航" → 追加到 airlines

2. 覆盖（replace）：用户想更新/替换原有的偏好

   • 关键词：「搬家到」、「改成」、「现在是」、「换成」
   • 示例："我搬家到上海了" → 覆盖 home_location
   • 示例："我现在喜欢靠窗座位" → 覆盖 seat_preference

3. 首次设置：用户第一次提及某个偏好

   • 如果当前偏好中没有这个字段，默认使用 replace

【常见偏好类型】

• home_location: 家庭地址/常住地
• hotel_brands: 酒店品牌偏好
• airlines: 航空公司偏好
• seat_preference: 座位偏好
• meal_preference: 餐食偏好
• budget_level: 预算等级
• transportation_preference: 交通偏好
• food_preference: 美食偏好
• accommodation_preference: 住宿环境偏好（如安静、离地铁近、安全性高） （支持自定义新的偏好类型）

【偏好识别提示】

• 「更喜欢高铁而不是飞机」→ transportation_preference
• 「不吃辣」→ food_preference
• 「酒店希望安静一些」→ accommodation_preference
• 「更关注酒店安全」→ accommodation_preference
• 「预算不要太高」→ budget_level
• 「离地铁近一点」→ accommodation_preference

【输出格式】(严格JSON) {{ "preferences": [ {{ "type": "hotel_brands", "value": "汉庭", "action": "append" }}, {{ "type": "home_location", "value": "上海浦东新区", "action": "replace" }} ], "has_preferences": true }}

【重要规则】

1. action 只能是 "append" 或 "replace"
2. 根据用户的语气和上下文判断 action
3. 如果用户使用「还」、「也」等词，使用 append
4. 如果用户使用「搬家」、「改成」等词，使用 replace
5. 如果是首次提及，使用 replace
6. 如果用户一句话中混有多个任务，优先从中提取偏好片段，不要因为存在其他任务而返回空
7. 如果用户未提及任何偏好，返回 {{"preferences": [], "has_preferences": false}}