企业官网建设流程全解析

its-trip 热插拔 Skills 机制实战：只改 Markdown 文件，就能自定义你的交通智能体

【免费下载链接】its-tripits-trip 是 transportation SIG 下的交通大模型智能决策闭环仓库，面向交通事件处置、交通管控决策和交通智能体应用场景，构建“感知—研判—仿真—下发”的闭环智能决策机制。仓库将连接事件理解、知识调取、风险研判、方案生成、仿真验证和管控下发，推动交通大模型从单点问答走向可验证、可执行、可落地的行业应用。项目地址: https://gitcode.com/cann/its-trip

its-trip（TRIP，Transport Reasoning with Intelligence Progression）是 CANN 社区智能交通 SIG 开源的交通大模型智能决策仓库，面向交通事件处置与管控决策场景，打通"事件理解 → 知识调取 → 风险研判 → 方案生成 → 决策下发"五步闭环。其中最贴心的设计是热插拔 Skills 机制：流水线里每个交通智能体的"大脑"都由一个 Markdown 文件定义，你不需要改任何 Python 代码，新建一个.md文件，就能自定义智能体的行为规则。

一、热插拔 Skills：一句话让智能体"换脑" 🧠

its-trip 的核心是一条五智能体流水线（见 README.md）：

事件理解 (EventUnderstandingAgent) → 知识调取 (KnowledgeRetrievalAgent) → 风险研判 (RiskAssessmentAgent) → 方案生成 (PlanGenerationAgent) → 决策下发 (DispatchAgent)

每个智能体的"行为手册"就是一个Skill，由 trip_ai/agents/core.py 中的Skill数据类承载，包含三部分：

所谓"热插拔"，就是指这份 Skill 既可以硬编码在 Python 里（内置默认技能），也可以放在 skills/ 目录下用 Markdown 文件描述——后者可以随时增删改，甚至在同一条流水线上按智能体挑选不同版本，互不影响。

仓库自带 5 个默认技能文件，覆盖整条流水线：

• skills/event_understanding.default.md
• skills/knowledge_retrieval.default.md
• skills/risk_assessment.default.md
• skills/plan_generation.default.md
• skills/dispatch.default.md

二、Skills 文件格式：YAML 头 + Markdown 正文 📝

一个技能文件由两段组成：YAML front matter（元数据）+正文（行动指南）。以默认的风险研判技能 skills/risk_assessment.default.md 为例：

--- name: risk-assessment-default agent: risk-assessment description: 风险研判默认技能：只输出风险等级与原因，不生成处置措施。 inputs: [event_text, incident_extract_draft, constraints_compact] outputs: [risk_assessment_partial] resources: - SiliconFlow chat.completions --- ## Action Guide 1) 输入 `event_text` 与 `incident_extract_draft`。 2) 输出 `RiskAssessment`，但 `suggested_actions` 必须是空数组 `[]`。 3) 严格 JSON 输出；若解析/校验失败，执行一次 JSON 修复后重试。

各字段含义：

正文（---之后的部分）会被整体作为Action Guide交给大模型执行，因此建议用编号步骤写清楚"做什么、输出什么、失败怎么办"。

三、实战：5 分钟自定义一个"严格模式"风险研判技能 🚀

假设你想让风险研判更保守：置信度低于 0.6 时强制判为UNKNOWN，并列出缺失证据。全程只做一件事——新增一个 Markdown 文件。

第 1 步：在skills/下新建risk_assessment.strict.md（不要动默认文件）：

--- name: risk-assessment-strict agent: risk-assessment description: 严格模式风险研判：低置信度强制降级为 UNKNOWN，并列出缺失证据。 inputs: [event_text, incident_extract_draft, constraints_compact] outputs: [risk_assessment_partial] resources: - SiliconFlow chat.completions --- ## Action Guide 1) 输入 `event_text` 与 `incident_extract_draft`。 2) 输出 `RiskAssessment`，`suggested_actions` 保持空数组 `[]`。 3) 若置信度 < 0.6：等级强制置为 UNKNOWN，并在 evidence 中逐项列出缺失证据。 4) 严格 JSON 输出；解析失败时修复一次后重试。

第 2 步：启动应用（克隆仓库后按 README.md 准备环境即可）：

git clone https://gitcode.com/cann/its-trip.git cd its-trip pip install -r requirements.txt streamlit run app.py

第 3 步：打开侧边栏的"Skills（可热插拔）"区域，风险研判下拉框中会同时出现risk-assessment-default和risk-assessment-strict两个选项，选中即对本次运行生效。✅

同一个智能体可以同时存在多个技能版本，随时切换对比效果，这就是"热插拔"的真正含义。

四、加载链路：一个 .md 文件如何生效 🔍

整套机制的实现非常轻，核心链路如下：

1. 扫描与解析：trip_ai/skill_loader.py 的load_skills()遍历skills/目录下所有*.md（自动跳过README.md），用内置的轻量解析器读取 front matter——刻意不依赖 PyYAML，保持零额外依赖；正文则成为action_guide。
2. 按智能体分组：skills_by_agent()依据agent字段把技能归类到 5 个智能体键下。
3. UI 选择注入：app.py 侧边栏为每个智能体渲染下拉框，选中结果以skills_override字典写入working_memory；某智能体找不到对应技能文件时，UI 会提示"使用内置技能"兜底。
4. 运行时覆盖：每个智能体（如 trip_ai/agents/risk_assessment.py）在run()开头都会先查skills_override，取到就用新技能，取不到就回退到模块内硬编码的默认Skill常量。
5. 元数据广播：trip_ai/multi_agent.py 把最终生效的各技能元数据写入GlobalContext.metadata_catalog，让下游智能体知道上游"是谁、能输出什么"，实现低 Token 协作。

五、避坑清单与最佳实践 ⚠️

• agent键必须精确匹配：只能是event-understanding、knowledge-retrieval、risk-assessment、plan-generation、dispatch五者之一，写错则该文件会被分组逻辑忽略。
• 列表字段写成单行：inputs: [a, b]；resources用缩进-列表。front matter 解析器是极简实现，复杂嵌套结构不支持。
• 没有 front matter 也能兜底：name缺省时回退为文件名（不含扩展名），但强烈建议显式声明，保证 UI 显示稳定。
• 正文就是提示词：Action Guide 会被原样交给大模型，写编号步骤、明确输出契约（如"严格 JSON""suggested_actions必须为空数组"）比写抒情段落有效得多。
• 只加不删：保留默认*.default.md文件，新版本另起文件名，方便 A/B 对比与快速回滚。
• 配合 traces 调试：每次运行都会在 app.py 的运行历史中保存快照，技能改动后回放AgentTrace能快速验证行为是否符合预期。

总结

its-trip 把"交通智能体如何思考"从代码中彻底解耦成了 skills/ 目录下的 Markdown 文件：改文件即改行为、多版本并存、UI 一键切换、缺失自动兜底。如果你正在做交通大模型落地，这套热插拔 Skills 机制值得直接借鉴——行为策略与工程代码分离，正是智能体应用走向可运维、可演进的关键一步。

【免费下载链接】its-tripits-trip 是 transportation SIG 下的交通大模型智能决策闭环仓库，面向交通事件处置、交通管控决策和交通智能体应用场景，构建“感知—研判—仿真—下发”的闭环智能决策机制。仓库将连接事件理解、知识调取、风险研判、方案生成、仿真验证和管控下发，推动交通大模型从单点问答走向可验证、可执行、可落地的行业应用。项目地址: https://gitcode.com/cann/its-trip