工具效率 · Bing · 2026
弼马温
Moto Agent
基于 Telegram 的摩托车油耗管理机器人，支持自然语言记录、多车油耗追踪和定时提醒，后台基于 Cloudflare Workers + D1。
关注点
- Agent Loop
- 模型路由
- Cloudflare Workers
背景与问题
摩托车油耗记录看似简单，真正使用时却涉及自然语言输入、多车辆状态、提醒、历史数据和移动场景。弼马温把这些分散操作收敛到 Telegram 对话，并提供可回看的 PWA 数据面板。
我的职责
从使用场景、Agent 架构、工具边界到部署与测试，完整设计并实现产品主流程。
约束与关键判断
- 对话必须足够短，不能让记录一次加油变成填写表单。
- 模型调用需要控制成本和延迟，同时保留确定性业务规则。
- 服务运行在 Cloudflare Workers，需要适配无服务器运行环境和 D1 数据存储。
架构决策
- 使用六边形架构隔离 Telegram、模型、数据库和业务领域，避免渠道逻辑侵入核心能力。
- 自定义 Agent Loop 和工具协议，让模型负责意图理解，具体读写仍由可测试的业务工具完成。
- 采用分级模型路由，把简单分类和复杂推理分开处理，平衡效果、速度与成本。
工程实现
- Cloudflare Workers + D1 承担 API、状态与历史数据。
- Telegram Bot 支持自然语言和语音输入，多车数据通过领域模型保持隔离。
- PWA 仪表盘用于查看油耗趋势、记录和车辆状态。
交付方式
以可运行产品为目标推进，从 Agent Loop、工具测试到部署文档形成完整交付链路，而不是停留在模型调用 Demo。
复盘
Agent 的价值不是替代所有确定性逻辑，而是降低用户表达意图的成本。把模型限制在合适边界内，产品反而更稳定。