Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

开发功能完善的 Agent

Answer

开发功能完善的 Agent 可以参考以下内容：

  1. 搭建工作流驱动的 Agent 简单情况分为 3 个步骤：
    • 规划：制定任务的关键方法，包括总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。
    • 实施：分步构建和测试 Agent 功能，在 Coze 上搭建工作流框架，设定每个节点的逻辑关系，详细配置子任务节点，并验证每个子任务的可用性。
    • 完善：全面评估并优化 Agent 效果，整体试运行 Agent，识别功能和性能的卡点，通过反复测试和迭代，优化至达到预期水平。
  2. 一些 Agent 构建平台包括：
    • Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具，拓展 Bot 能力边界。
    • Microsoft 的 Copilot Studio：主要功能有外挂数据、定义流程、调用 API 和操作，以及部署到各种渠道。
    • 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。
    • MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。
    • 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。
    • 钉钉 AI 超级助理：依托钉钉优势，提供环境感知和记忆功能，在高频工作场景表现出色。
Content generated by AI large model, please carefully verify (powered by aily)

References

一泽Eze:万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力

在上篇文章[Prompt工程｜样例驱动的渐进式引导法：利用AI高效设计提示词，生成预期内容](https://mp.weixin.qq.com/s/3pFG_Tx7gcnnjOyqgM1P_w)中，我已经提到过Prompt工程的必备能力：通过逻辑思考，从知识经验（KnowHow）中抽象表达出关键方法与要求。这一理念同样适用在Coze中创建AI Agent。本文主要讨论工作流驱动的Agent，搭建工作流驱动的Agent，简单情况可分为3个步骤：1.规划：制定任务的关键方法总结任务目标与执行形式将任务分解为可管理的子任务，确立逻辑顺序和依赖关系设计每个子任务的执行方法2.实施：分步构建和测试Agent功能在Coze上搭建工作流框架，设定每个节点的逻辑关系详细配置子任务节点，并验证每个子任务的可用性3.完善：全面评估并优化Agent效果整体试运行Agent，识别功能和性能的卡点通过反复测试和迭代，优化至达到预期水平接下来，我们从制定关键方法与流程，梳理「结构化外文精读专家」Agent的任务目标。

一泽Eze:万字实践教程，全面入门 Coze 工作流｜用 Coze 打造 AI 精读专家智能体，复刻 10 万粉公众号的创作生产力

在上篇文章[Prompt工程｜样例驱动的渐进式引导法：利用AI高效设计提示词，生成预期内容](https://mp.weixin.qq.com/s/3pFG_Tx7gcnnjOyqgM1P_w)中，我已经提到过Prompt工程的必备能力：通过逻辑思考，从知识经验（KnowHow）中抽象表达出关键方法与要求。这一理念同样适用在Coze中创建AI Agent。本文主要讨论工作流驱动的Agent，搭建工作流驱动的Agent，简单情况可分为3个步骤：1.规划：制定任务的关键方法总结任务目标与执行形式将任务分解为可管理的子任务，确立逻辑顺序和依赖关系设计每个子任务的执行方法2.实施：分步构建和测试Agent功能在Coze上搭建工作流框架，设定每个节点的逻辑关系详细配置子任务节点，并验证每个子任务的可用性3.完善：全面评估并优化Agent效果整体试运行Agent，识别功能和性能的卡点通过反复测试和迭代，优化至达到预期水平接下来，我们从制定关键方法与流程，梳理「结构化外文精读专家」Agent的任务目标。

问：有哪些好的Agent构建平台

以下是一些Agent构建平台：1.Coze：Coze是一个新一代的一站式AI Bot开发平台，适用于构建基于AI模型的各类问答Bot。它集成了丰富的插件工具，可以极大地拓展Bot的能力边界。2.Mircosoft的Copilot Studio：这个平台的主要功能包括外挂数据、定义流程、调用API和操作，以及将Copilot部署到各种渠道。3.文心智能体：这是百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。4.MindOS的Agent平台：允许用户定义Agent的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。5.斑头雁：这是一个2B基于企业知识库构建专属AI Agent的平台，适用于客服、营销、销售等多种场景。它提供了多种成熟模板，功能强大且开箱即用。6.钉钉AI超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能。这使得它在处理高频工作场景如销售、客服、行程安排等方面表现更加出色。以上信息提供了关于6个平台的概述，您可以根据自己的需求选择适合的平台进行进一步探索和应用。内容由AI大模型生成，请仔细甄别

Others are asking
ai agent 框架有哪些
目前常见的 AI Agent 框架主要有以下几种： 1. LangChain 的 LangGraph：通过简化标准底层任务，如调用 LLM、定义和解析工具、链接调用等，使入门变得容易，但可能创建额外抽象层，增加调试难度。 2. 亚马逊 Bedrock 的 AI Agent 框架。 3. Rivet：拖放式 GUI 的 LLM 工作流构建器。 4. Vellum：用于构建和测试复杂工作流的 GUI 工具。 此外，行业里常用于为 LLM 增加工具、记忆、行动、规划等能力的框架是 LangChain，它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。AutoGPT 被描述为使 GPT4 完全自主的实验性开源尝试，也是一种重要的框架。但需要注意的是，当前大多数代理框架都处于概念验证阶段，还不能可靠、可重现地完成任务。
2025-01-08
如何利用多轮对话做Agent问答
利用多轮对话做 Agent 问答可以从以下几个方面考虑： 1. 从产品角度： 思考用户为何想使用，例如通过探索历史新闻让用户更好地了解自身背景、成长环境，从中学习成长并获得有趣互动体验。 明确 Agent 是谁及其性格，比如设定为知识渊博、温暖亲切、富有同情心的历史新闻探索向导，负责新闻解析和历史背景分析。 确定提供新闻的时间，如用户出生那天及那一周的重要新闻事件。 规划除新闻外的能力，如提供历史背景分析、相关画作、生活方式分析，甚至加入神秘主义者和心理学家角色回应用户。 设计多 Agent 出场顺序和使用方式，通过多角色互动设计，让用户体验多层次对话，从基本问答到深度讨论，逐步引导用户探索。 2. 基于 LLM 的大脑模块： 自然语言交互方面：LLM 应具备多轮对话能力，能理解自然语言并生成连贯、上下文相关的回复，还应具备出色的生成能力和意图理解能力，但要注意模糊指令可能带来的挑战。 知识方面：包括语言知识（词法、句法、语义学和语用学）、常识知识（如药和伞的用途）、专业领域知识（如编程、医学），但要注意知识可能过时或错误，需通过重新训练或编辑 LLM 解决。 记忆方面：具备记忆机制，存储过去的观察、思考和行动，通过提高输入长度限制、记忆总结、用向量或数据结构压缩记忆等策略提升记忆，Agent 能检索记忆以访问相关信息，包括自动检索和交互式记忆对象。 推理和规划方面：基于证据和逻辑进行推理，这对解决问题和决策至关重要。
2025-01-08
小红书配图建议的 Agent
以下是为您提供的关于小红书配图建议的相关内容： 彬子在基于 ComfyUI 做油管封面的分享中提到，他是 ComfyUI 新人，之前更多使用 Coze 做 Agent，涉及绘图功能会调用 Coze 的图像流。Glif 提供的云端 ComfyUI 带来更多图像玩法，Coze 的工作流和 ComfyUI 的图像流代表了 Agent 内部两个子领域的领先水平，但大多数同学专注其一领域精进，好处是能做出落地的 Agent，短板是依赖平台或社区弥补。例如，熟悉 Coze 的同学开发助理类 Bot 便捷但出图自由度不高，熟悉 ComfyUI 的同学能完成高水平图像、视频流但流程中 Agent 含量不高。只要从擅长的阵地多迈出一步，就能更好把控在一个 Agent 中如何设计和运用各种节点。 彬子还在 2024 AI 年度小记中提到，其小红书主页为 ，发小红书除记录外希望找到更多探索的朋友，会有企业人员咨询或求助，但当时个人面向企业挣钱难，大企业决策链长，小企业信息化和文档沉淀不足。7 8 月小红书更新进入瓶颈，后参与 WaytoAGI 社区的 Coze 活动。 此外，还有教程“11_小暑”，作者为三思，可复制版本：https://mp.weixin.qq.com/s/mqT00X85iCR27KFiZazUoQ ，访问 ，并推荐特别适合做夏日的 lora—夏日白莲/咖菲猫咪，https://www.liblib.art/modelinfo/c7990c5616054e28825a44378637d71c?from=personal_page ，但这套效果不稳定，需更新调整关键词和参数。
2025-01-08
最近Agent方面的场景案例
以下是一些关于 Agent 方面的场景案例： 1. 吴恩达最新演讲中提到的四种 Agent 设计范式： Reflection（反思）：例如让用 Reflection 构建好的 AI 系统写代码，AI 会把代码加上检查正确性和修改的话术再返回给自己，通过反复操作完成自我迭代，虽不能保证修改后代码质量，但效果通常更好。 Tool Use（工具使用）：大语言模型调用插件，极大拓展了 LLM 的边界能力。 Planning（规划）：属于比较新颖且有前景的方式。 Multiagent（多智能体）：也具有发展潜力。 2. Ranger 文章中的相关内容： Agent 被认为是大模型未来的主要发展方向。 中间的“智能体”通常是 LLM 或大模型，通过为其增加工具、记忆、行动、规划这四个能力来实现。 行业里主要用到的是 langchain 框架，它在 prompt 层和工具层完成主要的设计，将 LLM 与 LLM 以及 LLM 与工具进行串接。 3. 从词源和历史变迁来看： 在不同时期，“Agent”在商业、政府、情报、娱乐、体育等领域都有重要角色，涵盖贸易代理、公司代理商、情报特工、艺人经纪人等多种职业。 “Agent”一词具有行动和替身的含义，多数情况下指“拥有行动的替身，替代他人做某事”。
2025-01-07
如何设计问答agent
设计问答 Agent 可以从以下几个方面考虑： 1. 明确 Agent 的身份和性格： 身份：例如将其设定为历史新闻探索向导。 性格：如知识渊博、温暖亲切、富有同情心。 为使角色更生动，可设计简短背景故事，比如曾是历史学家，对重大历史事件了如指掌，充满热情并愿意分享知识。 2. 写好角色个性： 角色背景和身份：编写背景故事，明确起源、经历和动机。 性格和语气：定义性格特点，如友好、幽默、严肃或神秘；确定说话方式和风格。 角色互动方式：设计从基本问答到深入讨论的对话风格。 角色技能：明确核心功能，如提供新闻解析、历史背景分析或心理分析；增加附加功能以提高吸引力和实用性。 3. 一些好的 Agent 构建平台包括： Coze：新一代一站式 AI Bot 开发平台，集成丰富插件工具拓展 Bot 能力。 Mircosoft 的 Copilot Studio：主要功能有外挂数据、定义流程、调用 API 和操作，以及部署到各种渠道。 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者打造产品能力。 MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 钉钉 AI 超级助理：依托钉钉优势，在处理高频工作场景方面表现出色。 请注意，以上信息由 AI 大模型生成，请仔细甄别。
2025-01-07
部署Agent专属的web端应用
以下是关于部署 Agent 专属的 web 端应用的相关内容： 在 Linux 上部署较为简单，前提是您有一张 4G 以上显存的 GPU 显卡。步骤如下： 1. 下载代码仓库。 2. 安装依赖（注意有两个依赖未放在 requirements.txt 里）。 3. 启动 webui 的 demo 程序，然后用浏览器登陆服务器的 ip:8080 就能试玩。此 demo 提供了 3 个参数： server_name：服务器的 ip 地址，默认 0.0.0.0。 servic_port：即将开启的端口号。 local_path：模型存储的本地路径。 4. 第一次启动生成语音时，需查看控制台输出，会下载一些模型文件，可能因网络问题失败，但首次加载成功后后续会顺利。 5. 基于此基础可拓展，比如集成到 agent 的工具中，结合 chatgpt 做更拟人化的实时沟通。 6. webui 上可设置的几个参数说明： text：指需要转换成语音的文字内容。 Refine text：选择是否自动对输入的文本进行优化处理。 Audio Seed：语音种子，是一个用于选择声音类型的数字参数，默认值为 2，是很知性的女孩子的声音。 Text Seed：文本种子，是一个正整数参数，用于 refine 文本的停顿，实测文本的停顿设置会影响音色、音调。 额外提示词（可写在 input Text 里）：用于添加笑声、停顿等效果，例如。 以下是一些 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，提供环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 以上信息仅供参考，您可根据自身需求选择适合的平台。
2025-01-07
针对智能体开发，能否给出具体的流程
智能体开发的具体流程通常包括以下步骤： 1. 定义目标：明确智能体需要实现的目标或任务。 2. 感知系统：设计传感器系统，采集环境数据。 3. 决策机制：定义智能体的决策算法，根据感知数据和目标做出决策。 4. 行动系统：设计执行器或输出设备，执行智能体的决策。 5. 学习与优化：如果是学习型智能体，设计学习算法，使智能体能够从经验中改进。 在实际的智能体开发中，还包含以下关键流程： 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。 此外，基于大模型的智能体具有强大的学习能力、灵活性和泛化能力。在开发过程中，提示词的设计直接影响智能体的表现和输出结果。您可以基于一些公开的大模型应用产品（如 Chat GLM、Chat GPT、Kimi 等），按照以下步骤尝试开发属于自己的智能体： 1. 点击“浏览 GPTs”按钮。 2. 点击“Create”按钮创建自己的智能体。 3. 使用自然语言对话进行具体设置。 4. 使用手工设置。 5. 开始调试您的智能体并发布。
2025-01-09
AI前端开发
以下是关于 AI 前端开发的相关内容： 白九龄在 0 基础使用 Cursor 开发微信小程序时，遇到了诸多问题。如添加背景元素营造氛围、实现自适应和滑动效果、处理意图分析页面的信息展示和排版风格、生成海报时的字数显示和行数限制以及位置和视觉呈现的调整等。由于大模型自身的限制，无法很好地理解一些需求，导致开发过程中出错频繁。此外，还存在模型 token 费用和变现困难等问题。 Yeadon 以“Windsurf 学习共创社区”为例，演示了如何借助 AI 能力快速构建现代化 Web 应用。技术选型为 Vue + TypeScript，目标用户为零基础开发学习者，参考项目为 Cursor101。开发流程包括需求分析与代码生成、环境配置自动化、问题诊断与修复、界面优化与细节打磨、功能迭代与完善。在开发过程中，输入需求让 Windsurf 进行代码生成，可能会出现报错，将报错信息返回给 Cascade 进行自动检查和修复。之后对网页进行细节优化，如导航栏和首页。 齐码蓝开发一个可以承载离谱生物档案的网站，每个页面包含生物介绍、图片、头像、文字介绍，并支持打字和语音对话以及展示相关离谱事件。项目初始化与配置方面，推荐的技术栈包括前端的 React.js 或 Vue.js，后端的 Node.js 加上 Express.js，数据库选择 MongoDB，语音处理使用 Google Cloud SpeechtoText 和 TexttoSpeech API。开发环境配置方面，选择 Visual Studio Code 作为 IDE，安装 Node.js 时会一并安装 npm 用于管理项目依赖。项目目录结构可能如下所示。
2025-01-08
Agent开发案例产品售后客服问答
以下是一些常见的 Agent 构建平台： 1. Coze：它是新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成了丰富的插件工具，能极大地拓展 Bot 的能力边界。 2. Microsoft 的 Copilot Studio：主要功能有外挂数据、定义流程、调用 API 和操作，还能将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 以上信息由 AI 大模型生成，请您仔细甄别，并根据自己的需求选择适合的平台进行进一步探索和应用。
2025-01-07
Agent开发案例产品售后客服问答
以下是一些常见的 Agent 构建平台： 1. Coze：它是新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，且集成了丰富插件工具，能极大拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能有外挂数据、定义流程、调用 API 和操作，还能将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者按自身需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，能访问第三方数据和服务或执行设计良好的工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 以上信息提供了这 6 个平台的概述，您可根据自身需求选择适合的平台进一步探索和应用。请注意，内容由 AI 大模型生成，请仔细甄别。
2025-01-07
开发简单的 Agent 助手
开发简单的 Agent 助手可以参考以下内容： 基于结构化数据来 RAG 实战：以餐饮生活助手为例，它是基于结构化数据 RAG 方法的应用，能从大规模餐饮数据集中检索合适餐厅并提供信息服务。实现餐饮生活助手 RAG 的 Langchain 代码实战需完成以下步骤：定义餐饮数据源，将其转化为 Langchain 可识别和操作的形式并注册；定义 LLM 的代理，通过 Langchain 的代理根据用户问题提取信息、形成查询语句、检索数据源并生成答案。 从基础案例入门： 三分钟捏 Bot： 登录控制台：登录扣子控制台（coze.cn），使用手机号或抖音注册/登录。 在我的空间创建 Agent：在扣子主页左上角点击“创建 Bot”，选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”并确认。 编写 Prompt：填写 Prompt，即 Bot 功能说明，第一次可用简短词语作为提示词。 优化 Prompt：点击“优化”进行优化。 设置开场白及其他环节。 发布到多平台&使用。 进阶之路： 15 分钟：查看其他 Bot 获取灵感。 1 小时：找到与兴趣、工作方向结合的 Bot 深入沟通，阅读相关文章。 一周：了解基础组件，寻找不错的扣子借鉴复制，加入 Agent 共学小组，尝试在群里问第一个问题。 一个月：合理安排时间，参与 WaytoAGI Agent 共学计划，创建 Agent 并分享经历心得。 《执笔者》：基于多 Agent 模式的全能写手： 操作步骤： 多 agent 模式切换：在 bot 编排页面点选多 agent 模式，页面自动切换，相比单 agent 多了中间的 agent 连接区。 添加合适节点：有两种方式选择，用已发布的 bot 或创建新的 agent，按需选取并连接在默认总管 agent 后面，无结束节点。 添加合适的 prompt：为每个 agent 填写合适 prompt，外围人设填写主要功能，内部 bot 填写应用场景。 调试与美化：经过以上三步基本搭建完成，后续需调试，调整提示词优化交互。
2025-01-07
客服 开发
以下是关于客服开发的相关内容： 从 GPTs/GLMs 如何赚钱谈起，对于 Agent 应用开发，如果从做产品的角度，熟悉业务并结合 AI 能力打磨产品是护城河，这也是 AI 应用开发者应坚持的方向。 GPT 智能客服部署方面： GPTs 是 GPT 的一种 ID 账号形态，类似微信公众号，用户可开发自己垂类应用，开放门槛低，基本是 0 代码，开发方式包括自然语言（prompt）、知识库（knowledge）、第三方 API 对接（Action）。 GPTs 实现目前最强的智能客服，具有对话流畅，多观点融合，答案准确等特点，不太擅长推理计算。其实现原理是将 FAQ 上传到知识库，让 GPTs 具有客服应答能力，猜测类似检索增强生成技术（RAG），将知识库（knowledge）和问题（prompt）一起做 embedding，扔给 LLM 作答。 零成本、零代码搭建一个智能微信客服的实操步骤： 访问微信客服 https://kf.weixin.qq.com/，点击开通，勾选同意，点击下一步。 按步骤填写，勾选同意，注册企业微信。 完成上述步骤后，进行以下配置操作： 点击配置>到微信客服的企业信息，复制企业 ID>到 coze 页面进行粘贴填写企业 ID，并点击下一步。 到微信客服的开发配置，找到回调配置，复制 Token、EncodingAESKey（如果还是空的，点击“随机获取”即可），到 coze 页面进行粘贴，点击下一步。 到微信客服的开发配置，配置回调地址 URL、复制 Secret 到 coze 的页面粘贴。 到微信客服的客服账号，创建一个客服账号，复制客服账号名称，到 coze 的页面粘贴，点击保存。保存后，在 coze 发布页面的发布平台的微信客服这里，显示“已配置”，剩下的就是勾选，点击发布。 需要注意的是，第一次设置回调地址时，目前需要企业认证，才可以进行接入微信客服。如果企业没有进行认证，则会在配置回调 URL 时报错：回调域名校验失败。另外，之前未进行企业认证就发布过微信客服的不受影响。
2025-01-06