一个项目带你入门AI应用开发07

第 7 课：可插拔的数据源

7.1 你的目标

在不改 Agent 代码的前提下，切换数据源（从演示数据到真实数据库）。

.env 中:
DATA_PROVIDER=demo       → 使用内存演示数据
DATA_PROVIDER=postgres   → 使用 PostgreSQL 数据库

7.2 问题：数据耦合

第 4 课的 _execute_tool：

def _execute_tool(name, args):
    if name == "query_order":
        # 订单数据写死在代码里
        _ORDERS = {
            "ORD-001": {"status": "shipped", ...},
        }
        return _ORDERS.get(args["order_id"])

想换成 PostgreSQL？要改 _execute_tool。想换成从 CSV 读？要改 _execute_tool。想写单元测试？需要准备真实数据。

Agent 的逻辑和数据源耦合在一起了。

7.3 本质问题

不是"代码写得不好"，而是一个架构设计问题：

• Agent 的逻辑（"什么时候应该查订单"）应该稳定
• 数据源（"订单数据从哪来"）应该灵活

稳定的逻辑不应该依赖灵活的实现。

7.4 解法：抽象接口

第一步：定义数据模型

@dataclass(frozen=True)
class Order:
    order_id: str
    status: str
    product: str
    amount: float

第二步：定义抽象接口

class ECommerceDataProvider(ABC):
    @abstractmethod
    def get_order(self, order_id: str) -> Optional[Order]: ...
    @abstractmethod
    def get_shipment(self, order_id: str) -> Optional[Shipment]: ...
    @abstractmethod
    def get_all_knowledge_docs(self) -> list[KnowledgeDoc]: ...

第三步：实现多个版本

class DemoDataProvider(ECommerceDataProvider):
    """内存演示数据"""
    def get_order(self, order_id):
        return _ORDERS.get(order_id)

class PostgresDataProvider(ECommerceDataProvider):
    """PostgreSQL 实现"""
    def __init__(self, conn_string):
        self.conn = psycopg2.connect(conn_string)
    def get_order(self, order_id):
        cursor = self.conn.cursor()
        cursor.execute("SELECT * FROM orders WHERE id = %s", (order_id,))
        row = cursor.fetchone()
        if row:
            return Order(row[0], row[1], row[2], row[3])
        return None

第四步：工厂模式

def get_data_provider():
    provider_type = settings.data_provider
    if provider_type == "demo":
        return DemoDataProvider()
    elif provider_type == "postgres":
        return PostgresDataProvider(settings.database_url)

7.5 改造后的 Tool Agent

from app.data.config import get_data_provider

def _execute_tool(name, args):
    provider = get_data_provider()
    
    if name == "query_order":
        order = provider.get_order(args.get("order_id", ""))
        if order:
            return json.dumps({"found": True, "order": asdict(order)})
        return json.dumps({"found": False})

_execute_tool 不再知道数据从哪来。它只知道"调 provider.get_order() 能拿到订单"。

7.6 这和 Web 开发的分层有什么不同？

Web 开发中也常用接口抽象数据层。但 Agent 系统的数据层有两点不同：

1. 数据是为 LLM 服务的。接口设计要考虑 LLM 需要什么数据、以什么格式获取。比如 get_order 返回的 Order 对象会被序列化成 JSON 给 LLM 看，字段名要清晰。

2. 错误处理要友好。如果数据库连接失败，LLM 应该回复"系统暂时无法查询订单"而不是抛出 500 错误。

本课知识点

概念	你做了什么	为什么
抽象接口	ABC + abstractmethod	Agent 依赖接口不依赖实现
工厂模式	根据配置创建实例	切换数据源只改配置，不改代码
开闭原则	新增实现类即可	不修改 Agent 逻辑

课后作业

1. 实现一个 CSVDataProvider，从 CSV 文件读取订单数据
2. 实现一个 RedisDataProvider，从 Redis 读取会话历史

面试可能会问

"Data Provider 模式和 Repository 模式有什么区别？"
本质相同，都是隔离数据访问。区别在于命名偏好和抽象粒度。Data Provider 更强调"提供数据"，Repository 更强调"聚合根"。