个人应用中心

什么是Agent

什么是智能体（Agent）？

智能体（Agent）是指一种具备自主感知、理解、推理和执行能力的智能程序或系统。它能够根据用户提供的目标，自主制定计划、调用工具、执行任务，甚至在任务过程中根据反馈动态调整行为，最终高效达成目标。 不同于传统的软件程序依赖人工逐步操作，智能体可以代表用户“思考并行动”，从而实现“指令驱动 → 自主决策 → 自动执行”的完整任务闭环。

智能体具备的核心特征

• 目标导向：根据用户指令或上下文，明确任务目标并制定达成策略。
• 自主行为：具备一定的主动性和自治性，无需逐步指导，即可独立执行复杂任务。
• 环境感知与反馈：能够从外部系统、数据源或用户输入中获取信息，并据此动态调整执行路径。
• 工具调用能力：可灵活调用搜索引擎、数据库、API、自动化工具等外部资源，完成任务所需操作。
• 持续学习与优化：部分高级智能体具备持续学习和优化能力，可在长期使用中不断提升表现。

示例类比

• 你可以把传统软件比作“工具箱”，每个功能都需要你手动点击、操作；
• 而智能体更像是一个“熟练的助手”，你只需要告诉它“我需要完成什么”，它就能自己决定用哪些工具、按什么顺序、如何应对突发情况，最终完成目标。

应用场景

智能助手广泛应用于多个业务领域，以下是典型场景：

1. 企业自动化办公

   • 自动撰写日报、周报、会议纪要、邮件等内容
   • 日程自动管理与会议协调
   • 数据自动分析并生成图表和结论报告

2. 金融服务与风险管理

   • 自动生成合规或审计报表
   • 风险舆情监控与异常事件识别
   • 自动化客户风险评估与信用评分

如何创建个人AI Studio

基础创建Agent

1. 在AI Sudio页面的右上角，点击“创建”创建基础智能体

2. 创建步骤

   • 输入助手名称、选择助手头像、选择模型组、选择助手分类、添加助手描述：

     ① 助手名称：输入助手的名称，作为助手标识。
     ② 助手头像：选择助手默认头像，目前不支持上传头像。
     ③ 模型组：为助手配置合适的模型组。
     ④ 助手分类：选择新建助手所在的组，可多选。
     ⑤ 助手描述：输入简要描述，说明助手的功能和用途。

   • 点击“创建”，助手创建后进入基础编排助手配置页面，配置并发布后可投入使用。

3. 助手配置

助手配置进入方式有两种：

• 创建助手后直接进入助手配置页面；

• 将鼠标悬停在助手卡片上方，即可看到“✏️”图标，点击它可进入配置页面。

  ① 提示词：输入助手提示词，也支持将现有提示词进行智能生成，提示词限制字数2000字。
  ② 开场白：输入助手开场白，也支持根据提示词或已有开场白进行智能生成，开场白限制字数2000字。
  ③ 模型组：点击“+”添加模型组，支持多种可选模型。

备注：模型组首先需要管理员在系统管理中进行添加模型组，将多个不同的模型添加到同一个模型组中，再将模型组配置到助手中。

添加模型组

• 路径：管理 → 模型管理 → 模型组 → 新建模型组（仅管理员可添加模型）

• 添加步骤：

  • 点击“新建模型组”
  • 完成以下配置：
    • 输入模型组名称
    • 选择要加入模型组的模型，可选择多个
    • 选择是否开启自适应模型部署
    • 选择是否启用深度思考模型
  • 点击“保存”

• 自适应模型部署：能根据流量自动调整计算资源，确保服务稳定流畅；

• 深度思考模型:在遇到复杂问题时智能调用更强大的AI，显著提升回答质量。

④ 技能：点击“+”添加一种或多种技能，也可以添加推荐技能

默认技能有 5 个：Google搜索、腾讯搜索、文生图、新闻查询工具、网页读取。

• Google搜索：通过Google搜索引擎获取实时、准确的网络信息，支持全球范围内的网页内容检索。
• 腾讯搜索：基于腾讯搜索技术，提供针对中文互联网环境的搜索服务，特别优化了对中文内容的检索效果。
• 新闻查询工具：用于搜索、获取各类新闻资讯的专用工具。
• 网页读取：提取网页文本、数据等内容，解析网页信息的功能。
• 文生图：基于文本描述自动生成对应的图像内容，将文字创意转化为视觉呈现。

备注：支持追加其他技能，需管理员进行操作与配置。

⑤ MCP服务

• MCP服务管理系统内AI助手与外部工具、数据源的连接权限

  • 能力扩展：让AI助手具备搜索、计算、可视化等实用功能。
  • 生态丰富：持续集成各类工具服务，满足多元化需求。
  • 标准化接入：通过个人MCP集成内部系统资源。

  

⑥ 对话体验：

• 对话设置：可以开启“用户问题建议、问题引导、聊天记录、对话反馈、关键词审查”等设置
  • 用户问题建议：在助手回答后，根据前文为用户提供一些问题建议。
  • 问题引导：在用户与助手对话时，会有相关的问题引导，利用模型能力推测用户可能提问的问题以及对用户问题的补全。
  • 聊天记录：是否留存助手的聊天记录，关闭后，将无法查到助手的聊天记录。
  • 对话反馈：对助手的回答可以进行点赞、点踩等交互操作，用于优化助手回答。
  • 开启关键词审查：审查输入内容和审查输出内容至少启用一项。开通后将对提示词或 AI 反馈结果都进行敏感词检测，敏感词可提前进行维护。

---

⑦ 知识库：

• 知识库：点击“+”添加知识库

  • 是否允许文件上传：
    • 打开允许文件上传后，无法再添加知识库的内容作为知识来源
    • 关闭允许文件上传后，可以选择性添加个人空间或企业空间的知识库作为知识来源

• 知识库配置：可以修改知识库的“检索策略、私域问答、检索方式”等详细设置
  1）检索策略：混合搜索、嵌入搜索、文本搜索

  • 混合检索：综合向量检索和全文检索的查询结果，返回重排后的结果
  • 嵌入检索：通过相似性进行片段查找，有一定的跨语言泛化能力
  • 文本检索：通过关键字进行片段查找，适用于含有特定关键字、名词片段的检索

  2）最大召回数量：范围 1–10，不建议设置过高或过低，建议值为 3–5

  3）元数据过滤：无、过滤、权重

  4）强制私域文件问答：打开后不会使用联网搜索等技能，助手的回答只针对知识库内容

  5）文档匹配近似度：范围 0–1，匹配近似度越高，说明召回文档内容越相似，建议值约为 0.8（即 80%）

  6）QnA 匹配近似度：范围 0–1，类似于文档内容的近似度匹配，建议值约为 0.9（即 90%）

  7）显示参考文献：打开后，助手在回答时会列出所参考的文献，提高回答可信度

💡 提示：不论是最大召回数量、文档匹配近似度，还是 QnA 匹配近似度，都不是越高越好或越低越好，建议根据实际需求进行设置。如无特殊需求，建议保持默认值。

⑧ 数据来源

• 数据来源：点击“+”添加数据源，作为助手问答数据来源

• 是否启用模板：是否启用自然语言与SQL之间的预设映射模板。

  • 当用户输入一个自然语言问题（比如：“上个月销售额是多少？”），系统会先尝试 匹配一个预设好的模板。
  • 如果找到匹配的模板（比如“查询某个时间段的销售额”这种通用问题），就会使用模板中已有的 SQL 结构 作为参考，再结合具体的字段/表名等来生成最终的SQL语句。

• 是否启用参数化模板：开启后，在模板基础上启用参数化查询，增强查询的灵活性和安全性。

• 问题改写：开启后，将自动对用户输入的问题进行优化，以确保准确地数据查询

  • 用户原始提问：查一下销售额（信息不完整）
  • 问题改写后：查询2024年7月份所有产品的总销售额（补充了时间和范围）

• 分步思考：开启此功能后，在生成最终查询结果之前，系统会输出详细的思考步骤，解释它是如何分析问题并构造SQL查询语句。

  • 步骤 1：识别关键词“2024年7月”“销售额”
  • 步骤 2：确定数据表Orders，字段order_date和sales_amount
  • 步骤 3：构造日期范围条件2024-07-01到2024-07-31
  • 步骤 4：生成SQL

工作流创建Agent

1. 选择“高级智能体”（创建步骤同创建普通智能体）
   • 构建类型
     • 进阶模式：快速构建复杂的工作流程，精确满足业务需求。
     • 应用模式：创建完整、先进的编排应用程序，具有用户友好的界面，带来无缝的小语言模型体验。

2. 根据实际业务配置工作流：

• 开始、结束：自带的输入输出模块，可自定义输入输出参数与字段;
• 模型：可在此模块中选择使用的模型，输入其他模块获取的变量，并编辑提示词以及输出的消息，以变量形式保存;
• 知识库检索：在选定的知识库中，根据输入变量召回最匹配的信息，加以返回;
• 技能：选择其中一个技能，进行经过该技能的输入输出动作;
• 代码：根据其他模块中的输出变量，进行代码函数的自定义编写与创建;
• 选择器：连接多个下游分支，若设定的条件成立则仅运行对应的分支，若均不成立则只运行“否则”分支;
• 意图识别：用于用户输入的意图识别，并将其与预设意图选项进行匹配;
• 文本格式器：用于处理多个字符型变量的格式;
• 数据来源：选择数据来源以增加可引用的变量内容;
• 文件检索：在上传的文件中搜索，根据输入的问题查找相关答案；
• 循环：对列表中的每一项重复执行一组任务，并可选择并行处理。

3. 节点详细介绍

• 开始
  • 开始节点：工作流的起始节点，用于设定启动工作流需要的信息
  • 输入：简单理解为，提前告诉LLM完成一项任务需要哪些基本信息（输入参数），当进行使用时，LLM会记住这些信息要求，一旦在对话中发现需要启动任务的时机，就会自动调用这些预先设定的参数，将参数放入对应位置，从而启动整个流程。
  • 处理逻辑：直接传递（By pass），不做任何处理，只是把用户输入的内容原封不动传递给下个节点。
  • 输出结果：所有输入内容直接输出。

• 模型
  • 模型：调用大语言模型，使用变量和提示词生成回复
  • 输入：下拉选择已有的模型，选用输入变量名
  • 输入参数：query（String，来自上游或用户输入）
  • 配置参数：
    • 一个或多个 Tools
    • Model
      • GPT（GPT 或其他模型）
      • Temperature：控制创造性，数值越高，回答越有创造性和随机性
      • Top P：通过“概率阈值”限制选择的词范围，控制回答的多样性
      • Max Reply Length：限制AI一次能回复的最大字数
    • Syatem Prompt：系统给AI的隐藏指令，用来控制整体风格
    • User Prompt：用户输入的内容或问题
    • History：之前对话的轮次，用来保持上下文理解
  • 处理逻辑：把输入交给大语言模型（LLM）处理，模型根据配置生成回答
  • 输出结果：模型生成的文本内容

💡 提示：需要先连接上前置节点，才能选择其他节点的变量作为当前节点的输入变量

• 技能（部分示例）

  • 网站读取：能读取网页上的静态文字（但看不到动态加载的内容）。
  • 文本生成图片：把一段文字转成图片（输出图片地址）。
  • 腾讯搜索：调用搜索引擎返回搜索结果。

• 代码
  • 代码：编写代码，处理输入变量来生成返回值
  • 输入：用于接收外部传入的变量，是代码运行所需数据的入口，为后续代码处理提供原始数据
  • 输入参数：query(string，用户或上游传入的代码请求)
  • 配置参数：对代码运行相关参数进行设置
    • 最大运行时长（Maximum Runtime）
    • 代码内容（Code Input）
  • 处理逻辑：
    • 在安全的沙箱环境中运行代码（基于 RestrictedPython 或指定平台）
    • 限制运行时长和访问权限，避免安全风险
  • 输出结果：代码运行处理完输入数据后，将结果以指定变量形式输出，是代码处理结果的出口

• 选择器

  • 选择器：在流程编排中起条件判断作用。它连接多个下游分支，通过设定的条件来决定执行路径
  • 条件分支：可设置多个条件，如 “if - 优先级 1” 。通过配置引用变量、选择条件（如等于、大于等比较逻辑 ）、比较值，来判断条件是否成立。若成立，就运行对应的分支流程。
  • 处理逻辑：根据不同条件走不同路径（如果没有满足条件的，就走 Else）
  • 输出结果：没有直接输出，只决定下一个节点的走向

  

• 意图识别

  • 意图识别：是自然语言处理中的关键环节，该模块作用是分析用户输入内容，确定其真实意图并匹配预设置选项
  • 模型：选择用于意图识别的模型，模型决定了意图识别的能力和效果
  • 意图匹配：可预先输入用户意图描述作为匹配标准，也能新增其他意图，系统据此判断用户输入符合哪种预设意图
  • 高级设置：能设置系统提示内容，可引用输入变量来优化提示效果；还可设置历史记忆条数，让模型参考过往对话信息提升识别准确性
  • 处理逻辑：判断用户的真实意图，把输入分类到对应类别

• 知识库检索
  • 输入：通过定义变量名及设置参数值，为知识库检索提供检索关键词等原始数据
  • 处理逻辑：根据输入和参数检索知识库，返回片段或FAQ
  • 知识库：选定特定的知识库作为检索范围，系统将在这个范围内查找匹配信息
  • 最大召回数量：可设置从知识库中最多返回匹配结果的数量，避免返回过多数据
  • 输出：将从知识库中检索到的匹配信息，以指定变量的形式输出，供后续流程使用

• 文本格式器
  • 文本：主要用于处理字符串类型变量格式
  • 输入：可定义变量名，并通过引用方式获取参数值，为后续文本处理提供原始字符串数据
  • 处理逻辑：把文本做简单加工
    • 字符串拼接
    • 字符串分割
  • 字符串拼接：提供文本编辑区域，可按需求使用变量名方式引用输入变量，对多个字符串进行拼接等格式处理

• 文件检索
  • 文件检索：是对文件内容进行检索等操作的功能模块
  • 输入：通过定义变量名并引用参数值来提供检索关键词等输入信息，为文件内容查找提供依据
  • 文件：可添加需要处理的文件到该节点，确定检索的文件范围

• 数据来源
  • 数据来源：选择要接入的数据源
  • 处理逻辑：把自然语言转成SQL查询数据库，返回结果
  • 输出：将数据源的数据进行输出，输出给下一个节点。

• 循环
  • 循环节点：用于按指定的次数或指定的数据集合，重复执行一组任务。通过配置不同的循环模式，可以灵活实现批量处理或重复操作
  • 循环类型：支持两种模式
    • 使用数组循环：根据输入的数组，对数组中的每个元素依次执行任务。
    • 使用数值循环：按照设定的次数，循环执行任务。
  • 循环数值/数组：
    • 当选择“数值循环”时，需输入一个具体的数字，例如 2，则表示任务将被执行 2 次。
    • 当选择“数组循环”时，需要提供一个数组变量，系统会逐一取出数组中的元素作为输入执行任务。
  • 并行执行：可选功能。如果开启，系统会同时处理多个循环任务，提升效率。用户可以设置最大并行数，以控制资源占用。

工作流示例

在本场景中，使用工作流功能构建一个完整的 “Microsoft Support Ticket Issue Analytics” 流程，具体流程如下：

1. 开始节点
   流程的起点，系统默认包含。
2. 数据源节点
   用于接入工单分析所需的原始数据。
3. 知识库节点
   接入包含分析参考资料的知识文档，作为AI分析的理论支撑。
4. 模型节点
   基于AI模型，将数据源与知识库内容结合，进行综合分析，生成工单问题分析结果。
5. 结束节点
   流程的终点，输出模型节点的分析结果。此节点系统默认包含。

数据源节点与知识库节点并列配置，模型节点则汇总处理前两者的信息，确保输出结果具备数据依据和理论支撑。

最后效果如下：

注：本示例仅为高级编排功能的简单应用，用于展示其基本流程效果。高级编排具备强大的灵活性和扩展性，支持通过多种节点类型实现复杂的业务逻辑和智能自动化流程，可广泛应用于多种实际业务场景中。

什么是MCP

MCP（Model Context Protocol）是智能体平台的核心扩展协议，负责连接外部工具、数据源和服务，为AI助手提供强大的能力扩展支持。

功能模块

功能类别	主要用途
计算服务	加、减、乘、除、取余、开方、幂运算
搜索服务	网络搜索、学术论文检索、数据提取
数据分析	图表生成、分析能力
工具集成	地图服务、协作工具集成

如何创建个人MCP

1. 在 AI Studio 页面左侧，点击 "MCP" 进入 MCP 页面；

2. 进入 MCP 页面后，点击右上角的 "创建" 按钮，进入 MCP 创建页面；

3. 填写基础信息

   • MCP名称：输入MCP的名称，作为MCP标识。
   • MCP头像：选择默认头像，目前不支持上传头像。
   • MCP描述：简要描述该 MCP 的功能特点和主要用途。
   • MCP分类：选择新建MCP所在的类别。
   • MCP服务配置：通过JSON代码注册外部服务，让助手获得新能力。