跳到主要内容

基础创建Agent

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

  1. 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:

      助手名称:输入助手的名称,作为助手标识。
      助手头像:选择助手默认头像,目前不支持上传头像。
      模型组:为助手配置合适的模型组。
      助手分类:选择新建助手所在的组,可多选。
      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。

  1. 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。

    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。
    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。
    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。

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。

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。

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。


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。

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_datesales_amount
    • 步骤 3:构造日期范围条件2024-07-012024-07-31
    • 步骤 4:生成SQL