点击下方卡片，关注【Xbotics具身智能实验室】公众号
你想要的这里都有~~
2026 年 9 月 5 日，Xbotics 具身智能社区在上海模力社区 T1 栋 35 楼，举办了这场「Xbotics AI Agent 上海工作坊」。
三十位开发者用一天时间，对着真实的芜湖 12345 热线工单，把这条链路亲手跑了一遍：
诉求理解 → 标准化工单 → 事项分类 → 承办单位推荐 → 回复建议 → 结果可核验
现场不是听完一节 Agent 课就走。上午把环境搭起来、让工单助手第一次给出结果；下午把分类、转派、回复补全，整合为一个能展示、能说明、能继续打磨的 Demo。
01 听了太多「Agent 有多能」，我们想亲手做一个
这段时间，我们听了很多人在讲 AI Agent：它有多牛，能替人干多少事，几乎像什么都能包下来。概念听得很热闹，真正让人卡住的往往是下一句——那我自己能不能自己做一个？
我们想要的很具体：找一个真实发生的业务，自己把智能体搭起来，看它到底能不能把事情办完。
12345 热线就是这样的需求。群众打来一通电话，描述一件事；业务员Agent需要对这件事情进行拆字段、做分类、转部门、写回复，每一步都需要输出清晰的结果。
我们希望让大家亲自看到，自己构建的Agent能不能让一张热线工单被正确理解、正确转出去、正确回得上。
所以 9 月 5 日这场工作坊，我们把人聚到模力社区，基于芜湖 12345 的真实工单，亲手做一条能跑的工单智能体。现场由带教老师凌风带着大家一步步拆解、搭建工单智能体，助教 Roc 全程帮大家排错/协助处理环境配置和代码调试中的问题。
02 上午｜看懂场景，让工单助手第一次给出结果
上午只做两件事：看懂场景，把 Demo 跑起来。
带教老师凌风先把赛题拆开。12345 看起来只是「把电话内容变成一张单」，背后却是一条完整状态转换：
群众口述/录音 - input
↓
原始文本（便于后续核验）- ASR
↓
诉求要素（时间、地点、对象、事件、诉求、紧急程度、缺失项）- LLM 结构化抽取
↓
标准化工单（标题、摘要、内容、类别候选、办理提示）- LLM 对规则的理解
↓
分类与承办单位建议 - RAG 向量检索
↓
工作人员审核、修改、确认
↓
处理结果与预回复/回访话术 - output
接着学员进行动手实操。现场用的是 Python 后端 + React 前端的架构，使用的工具链有VS Code、Git、数据库、大模型接口，并推荐使用 Coding Agent 辅助从零搭环境。
我们希望借助这个AI Agent项目，帮助大家回答前后端应用怎么拆、数据怎么流转、人和模型各自守哪一段等问题。
上午结束时，现场已经有部分同学完成最小闭环：输入一句诉求 → 得到一张结构化工单。标题、摘要、地点、事项、紧急程度等信息直接从一段口述内容中提取出来。
03 下午｜分类、转派、回复——难度不在多写代码
下午的难度不是「写更多代码」，而是处理真实场景里的脏数据。
事项分类是第一个难题。看起来像在做「选 A 还是 B」，真实诉求却五花八门：
「我家楼上漏水了」——市政、物业，还是邻里纠纷？ 「经开区横山支路辅道有人占道」——城市管理、市场监管，还是公安？ 「楼下饭店油烟太大」——生态环境、市场监管，还是城管？
系统不能只给一个标签。它要输出分类结果、判断依据和人工复核提示，而且不能凭空编。依据来自两处：赛事官方提供的事项类别关键词，以及现场对语义信息的确认和补充。
单位推荐与转派最容易被低估。它不是「把单子派给一个部门」，而是要处理描述含糊、职责交叉、同类事项口径不一致。南陵县市场监管局管到哪、镜湖区城管局的属地规则是什么、交管和其他部门怎么协作——这些内容不进知识库，转派就只能靠猜。RAG 在这里的用法很明确：用事项分类目录、部门职责和历史案例做检索，让建议有依据，而不只是给答案。
带教老师凌风把工作流方法又过了一遍：
节点划分：每一步有明确输入、输出、验收标准 状态优先：先想清楚状态怎么转，再去写函数 RAG 补的是模型不知道的部分：不是把上下文塞满
回复建议是最后一个环节。几秒钟生成的回访话术，要做到三件事：事实准确、表达规范、依据清楚。办理建议、预回复、回访话术都可以出，但必须有工作人员审核、修改、确认的环节。
04 现场遇到的问题越多，实战的经验就越多
工作坊现场，大家遇到的问题并不只是“代码能不能写出来”。
现场遇到的第一个问题，部分学员的起点低，第一次接触相关技术栈，无法顺利跑通Demo。
有的同学已经配好了前后端开发环境，有的同学甚至还没有安装 Coding Agent，对 IDE、数据库、Python、React 等工具也不熟悉。
我们先按大家所处的阶段进行分组，再开展指导：让大家从安装 Coding Agent 开始，逐步完成 IDE、数据库、Python、React 等开发环境的配置，最后大家都能进入项目运行和调试阶段。
环境搭好后，运行 Demo 又出现了新的问题，包括大模型密钥配置不一致、数据预处理没有完成、不同版本代码的配置文件不统一等。现场我们统一了配置文件，并提供标准化的数据运行脚本，让大家先把 Demo 跑起来。同时也提醒大家，不要只停留在“会运行”，还要理解脚本内部完成了什么，从一个小脚本开始建立开发者思维。
基础业务流程跑通之后，第二类问题出现了：对脚本代码逻辑不理解。
同学们开始尝试扩展 Agent 的业务边界。对于非技术背景的同学来说，直接理解代码中的节点、分支和循环并不容易，因此我们引入了流程图作为共同语言：先把业务想清楚，再把流程图逐步转化为可执行的 Agent 流程。
现场讨论较多的一个问题，是部门职责不明确时如何设计“退回重新分配”的循环。如果只增加一个判断条件，流程可能会不断循环，最后陷入“死胡同”。因此，我们进一步把循环终止条件也画进流程：明确重试次数、超时处理和人工接管路径，确保流程既能回退，也能在达到条件后结束循环或转交人工处理。
这也是这次工作坊希望带给大家的经验：
先跑通一条完整链路，再从真实业务断点出发扩展流程；先用流程图表达清楚，再让 Coding Agent 按照蓝图完成实现。
05｜Xbotics 工作坊会持续带来好玩硬核的技术 Demo
这场工作坊把当下最热的 AI Agent技术，做成了一个简单、易学、易复现的项目Demo，任何有编程基础的学员都能完成项目Demo的复现。
Xbotics 一直想做的事情就是降低技术门槛，让大家体验前沿技术、亲手完成一个硬核技术Demo。我们会一直去做这件事情。下一场未必还是政务工单系统，但一定会是当前最好玩、也最值得亲手碰的技术，保证还是能复现、能改、能带走的 Demo。
Xbotics 具身智能社区已在全国 5 个城市建立协作节点，汇聚超过 1 万名技术开发者。想参加下一场的人，记得多关注社区公众号和技术社群。我们会把有趣硬核的项目，继续带到现场。
-END-
Ask Me Anything｜提问箱
对文章有疑惑，或想聊更深？欢迎把你的问题丢给我们：技术方案、实操踩坑、课程与资料、项目合作、职业发展，都可以问。
怎么问：在评论区留言，或私信公众号
我们会做什么：每周集中整理高质量问题并公开回复，重点问题邀请作者或嘉宾深度解答；典型问题会加入知识库并持续更新。
提问小提示：尽量说明「你的目标—当前做法—期望产出」，附上必要信息（硬件/软件版本、数据规模等），能更快获得有用答案。
一起把问题变成知识，推动社区进步 🚀
