首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >Parlant:一个让AI Agent 真正听话的开源框架

Parlant:一个让AI Agent 真正听话的开源框架

作者头像
用户11563501
发布2026-06-23 09:14:24
发布2026-06-23 09:14:24
1100
举报

AI Agent最大的痛点是什么?不听话。

Stop building AI agents that ignore your instructions" , 这句话精准击中了每个AI开发者的痛处。

你花时间写了详细的系统提示词,测试环境运行完美,一到生产环境就开始自由发挥。用户问A,它答B,关键时刻还会胡编乱造。这是所有AI开发者都遇到过的问题。

Parlant这个开源框架专门解决这个问题。它提出与其指望LLM自觉遵守规则,不如从框架层面确保合规执行。

核心差异

传统方法是你通过写Prompt规则然后希望按预期执行,而Parlant是定义清晰的指导原则并通过上下文匹配保证执行。

对比代码:

代码语言:javascript
复制
# 传统方式:希望LLM听话
system_prompt = "你是助手,请遵循这些规则..."

# Parlant方式:确保执行
await agent.create_guideline(
    condition="用户询问退款",
    action="先检查订单状态判断是否符合退款条件",
    tools=[check_order_status],
)

区别在于,前者是"希望",后者是"保证"。

主要功能模块

Guidelines(行为准则)定义的规则会被上下文匹配和强制执行。不是装饰性的提示词,是真正的行为控制机制。

Journeys(对话流程)当用户偏离预设对话路径时,系统能自动调整和引导,确保对话朝目标方向进行。

Playground(调试环境)提供完整的测试和调试界面,可以实时观察Agent的决策过程。

Widget(生产界面)即插即用的聊天UI组件,可以直接集成到任何Web应用中。

Tool Integration(工具集成)将外部API、数据库或后端服务绑定到特定的交互事件上,确保工具调用的准确性。

Explainability(可解释性)每个决策都有详细的执行日志,可以追溯为什么触发了某个准则。

快速上手

安装和基础使用:

代码语言:javascript
复制
pip install parlant

import parlant.sdk as p

@p.tool
asyncdef get_weather(context: p.ToolContext, city: str) -> p.ToolResult:
    # Your weather API logic here
    return p.ToolResult(f"Sunny, 72°F in {city}")

@p.tool
asyncdef get_datetime(context: p.ToolContext) -> p.ToolResult:
    from datetime import datetime
    return p.ToolResult(datetime.now())

asyncdef main():
    asyncwith p.Server() as server:
        agent = await server.create_agent(
            name="WeatherBot",
            description="Helpful weather assistant"
        )

        # Have the agent's context be updated on every response (though
        # update interval is customizable) using a context variable.
        await agent.create_variable(name="current-datetime", tool=get_datetime)

        # Control and guide agent behavior with natural language
        await agent.create_guideline(
            condition="User asks about weather",
            action="Get current weather and provide a friendly response with suggestions",
            tools=[get_weather]
        )

        # Add other (reliably enforced) behavioral modeling elements
        # ...

        # 🎉 Test playground ready at http://localhost:8800
        # Integrate the official React widget into your app,
        # or follow the tutorial to build your own frontend!

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

适用场景

这个框架特别适合对AI可靠性要求极高的场景:

  • 金融服务:合规优先设计,内置风险管控
  • 医疗健康:支持HIPAA标准,保护患者数据
  • 电商平台:大规模客服自动化,订单处理流程
  • 法律科技:精确的法律指导,文档审查辅助

小结

Parlant走上了与其它框架不一样的路,与其期待大模型的指令遵从能力提高,不如从框架规则角度出发解决现实困境。在一些金融场景中已经落地,摩根大通的AI团队负责人评价:"目前见过最优雅的对话AI框架,用Parlant开发是种享受。” 它的定位不再是一个快速生成演示的AI Wrapper,而是能够解决生产环境AI可控性问题的基础设施。

但同时它这种模式或许也将会是模型下一次迭代的牺牲品,不论如何,想要在现阶段落地严肃场景的开发者们尝试尝试。

项目地址:https://github.com/emcie-co/parlant

官方文档:https://www.parlant.io/docs/quickstart/installation

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2025-09-07,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 AI工程化 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 核心差异
  • 主要功能模块
  • 快速上手
  • 适用场景
  • 小结
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档