我在 AI Agents Intensive 课程中的旅程：构建 AI 个人安全与应急助理

Source: Dev.to

我在 5 天强化训练中的收获

第 1 天 — 基础

• 推理循环、代理指令、路由以及代理编排。

第 2 天 — 工具

• 代理如何使用工具将能力扩展到文本之外。
• 后续用于构建 模拟短信、电子邮件和电话警报。

第 3 天 — 记忆

• 能记住过去交互的代理表现得更智能。
• 实现了 风险趋势检测，当重复出现危险信息时触发升级。

第 4 天 — 评估与可观测性

• 测试、跟踪和调试代理行为的技术——安全系统的必备要素。

第 5 天 — 代理间通信

• 让代理协作并形成完整工作流，设计出用于紧急响应的 多代理流水线。

我的顶点项目：AI 个人安全与紧急助手

问题

数百万人在紧急情况下无法拨打或发送信息给家人或警方。每一秒都很关键，AI 可以比人类更快做出反应。

为什么选用代理？

代理适合这个问题，因为它们可以：

• 从文本输入中检测危险
• 决定正确的行动
• 触发类似紧急的响应
• 步骤化引导用户
• 在需要时自动升级

传统聊天机器人做不到这些。代理可以。

我构建的架构

系统包括三个协同工作的代理和支持模块。

1. 风险检测代理

将消息分类为：

• SAFE（安全）
• EMERGENCY（紧急）

2. 行动规划代理

决定要做的事：

• 安抚
• 询问更多细节
• 升级至紧急模式

3. 响应代理

在危急情况下提供紧急的逐步指令。

记忆模块

跟踪：

• 之前的消息
• 之前的风险等级
• 升级模式

工具模拟

实现了安全的模拟工具：

def send_sms_alert(phone_number: str, message: str) -> None:
    """Simulate sending an SMS alert."""
    pass

def send_email_alert(email: str, subject: str, body: str) -> None:
    """Simulate sending an email alert."""
    pass

def send_call_alert(phone_number: str) -> None:
    """Simulate initiating a voice call alert."""
    pass

Gemini 集成（模拟模型）

演示了危险分类和紧急信息生成。所有工作都在 Kaggle Notebook 中完成。

我的测试

在多个场景下评估了代理：

• 明确的紧急情况 – “我在流血，请帮帮我！”
• 安全信息 – “我已经安全到家。”
• 风险模糊
• 危险升级 – “有人在跟踪我 → 我有危险 → 他在攻击我”

系统表现一致，正确升级，并负责任地触发警报。

这个项目教会我的东西

1. 多代理系统极其强大 – 将简单代理组合起来，产生的系统远比单一模型更智能。
2. 记忆改变一切 – 当代理记住上下文时，它们的决策会更聪明。
3. 工具让代理成为行动者 – 即使是模拟工具，也让人感觉在构建真实安全产品的基础。
4. 清晰的指令比代码更重要 – 写得好的代理指令与模型能力同等重要。

如果有更多时间

• 基于语音的危险检测
• 基于 GPS 的位置警报
• 移动应用界面
• 真正的 API 集成（Twilio、WhatsApp）
• 在 Cloud Run / Agent Engine 上部署

最后感想

Google × Kaggle AI 代理强化训练不仅教会了我代理本身——它教会了我如何构建 有影响力的、真实世界的 AI 系统。我的顶点项目 AI 个人安全与紧急助手 只是个开始，这门课程为我打开了全新的可能性之门。

感谢 Google、Kaggle 以及整个 AI 代理社区。