设计万卡智算中心可以参考以下思路：
📌本智能体的实现包含3个工作流和6个图像流，整体包含171个节点。[heading3]整体流程[heading3]编排方式[content]我们采用了单Agent管理多工作流策略，以确保高效且系统化地完成复杂的产品信息处理任务。该流程包括以下关键步骤：1.信息聚合与数据挖掘🔍：初步通过高度集成的数据采集机制，全面收集产品的各项关键信息。2.卖点提炼与优化✨：运用豆包最先进的大模型，对收集到的信息进行分析，从中提炼出具有市场竞争力和独特性的卖点。3.买点转化与策略应用🎯：将提炼的卖点转化为消费者视角的买点，通过行为心理学和市场营销策略，增强产品的吸引力。4.视觉化信息呈现🖼️：设计直观且具有冲击力的卡片展示，确保信息传达的有效性和视觉吸引力。5.文案与脚本调整📝：根据目标受众的偏好和媒体渠道，动态调整文案或脚本，实现内容的最佳适配。6.流程结果存储与分析💾📊：最后，将所有处理结果系统化地存储到飞书，以供未来策略优化和决策支持。采用这种链式结构🔗的工作流能够确保每一步骤的严谨性和高效性，从而在整个流程中实现卓越的输出结果。
首先，让我们一起深入探索扣子上的多智能体模式设置。这个配置主要包括两个核心部分。第一部分是全局设置，涉及角色设定与回复逻辑、记忆管理以及对话体验等全局性因素。第二部分则关注于多个代理之间的编排和协调。这两大设置共同构成了多智能体模式的详细框架。那么，我们首先需要解决的问题是：在全局设置中，人物设定与回复逻辑应如何填充？简单来说，我们需要在“人物设定与回复逻辑应”中明确整体的人物设定，这更侧重于角色的塑造，而非仅仅是业务流程的描述。（因为这是偏向于全局的设置）接下来，我们来考虑一下智能体的交互流程。我们的设计思路的关键在于，让这些节点形成一个完整的互动链条，而不单单是一次性互动。同时，当用户的意图尚未满足跳转条件时，应保持与当前智能体的沟通和对话。所以，我们的设计思路大概是这样的（见下图）此外，在观察这张图时，大家还可以发现一个关键点：我们在图中实现的是一个循环机制，而不是单向的流程。如果仅仅采用单向流程，那么将像工作流一样，随着对话的进行逐步跳转，直至最后一个智能体。在这种情况下，将无法从最后一个智能体跳转回初始状态。因此，在设计需要多轮协作的智能体时，我们应该在多智能体编排页面中，设计这些智能体的交互为一个闭环结构。这确保了用户在整个对话过程中能够自由地在不同智能体之间切换，克服了单向交互的限制。让我们通过一个具体的例子来更好地理解这一概念。以旅游场景为例，我们将设计三个智能体：分别负责景点推荐、路线规划和食宿安排。让我们先把提示词写出来。同时，我们还应做好全局人物设定：当准备好提示词后，就可以开始在扣子上进行编排了，这里我省略了创建和填充的步骤，最终呈现的效果是这样的：
首先，让我们一起深入探索扣子上的多智能体模式设置。这个配置主要包括两个核心部分。第一部分是全局设置，涉及角色设定与回复逻辑、记忆管理以及对话体验等全局性因素。第二部分则关注于多个代理之间的编排和协调。这两大设置共同构成了多智能体模式的详细框架。那么，我们首先需要解决的问题是：在全局设置中，人物设定与回复逻辑应如何填充？简单来说，我们需要在“人物设定与回复逻辑应”中明确整体的人物设定，这更侧重于角色的塑造，而非仅仅是业务流程的描述。（因为这是偏向于全局的设置）接下来，我们来考虑一下智能体的交互流程。我们的设计思路的关键在于，让这些节点形成一个完整的互动链条，而不单单是一次性互动。同时，当用户的意图尚未满足跳转条件时，应保持与当前智能体的沟通和对话。所以，我们的设计思路大概是这样的（见下图）此外，在观察这张图时，大家还可以发现一个关键点：我们在图中实现的是一个循环机制，而不是单向的流程。如果仅仅采用单向流程，那么将像工作流一样，随着对话的进行逐步跳转，直至最后一个智能体。在这种情况下，将无法从最后一个智能体跳转回初始状态。因此，在设计需要多轮协作的智能体时，我们应该在多智能体编排页面中，设计这些智能体的交互为一个闭环结构。这确保了用户在整个对话过程中能够自由地在不同智能体之间切换，克服了单向交互的限制。让我们通过一个具体的例子来更好地理解这一概念。以旅游场景为例，我们将设计三个智能体：分别负责景点推荐、路线规划和食宿安排。让我们先把提示词写出来。同时，我们还应做好全局人物设定：当准备好提示词后，就可以开始在扣子上进行编排了，这里我省略了创建和填充的步骤，最终呈现的效果是这样的：