AI赋能AI开发：利用快马平台的多模型能力优化与增强你的skills智能体

最近在做一个旅行规划智能体的项目发现用AI来开发AI真的能事半功倍。今天分享一下在InsCode(快马)平台上如何用多模型能力优化智能体的完整过程。初始版本的问题刚开始做的旅行规划智能体只能根据城市推荐景点功能比较单一。用户测试时发现很多人会顺带问那里有什么好吃的、住哪里方便这类问题但系统只会机械地回答请告诉我您想了解哪个城市。用AI分析用户需求平台内置的Kimi-K2模型特别适合做对话日志分析。我把测试阶段的100多条用户对话记录导入后AI自动生成了分析报告餐饮相关问题占比42%问得最多的是当地特色菜和人均消费住宿问题占比35%集中在价格区间和地理位置景点问题仅占23%智能迭代开发根据分析结果用平台的代码生成功能做了两件事新增美食推荐模块调用本地餐饮数据库网络评价数据能按预算/口味做推荐开发酒店比价功能聚合主流平台的实时价格添加距离景点的交通时间维度效果对比优化前后的对话差异很明显旧版北京有什么景点 → 推荐故宫、长城...新版带父母去北京玩3天 → 景点推荐故宫(附轮椅租赁信息)附近有老字号烤鸭店(人均150元)2公里内4星酒店均价500元(含接送服务)持续优化技巧用Deepseek模型做意图识别训练现在能理解想找浪漫的餐厅这类模糊需求设置自动学习机制每周分析新对话数据发现签证政策询问量上升正准备添加该skill整个过程最省心的是不用自己搭建开发环境在InsCode(快马)平台上可以直接调试和部署。特别是AI辅助分析需求这个环节传统方式要写一堆正则表达式统计关键词现在模型直接给出可视化报告还能建议优化方向。对于想尝试智能体开发的新手这种用AI开发AI的模式确实能少走很多弯路。