1. Agent 智能体

1. 什么是 Agent 智能体

1. 基本概念

在解释什么是 Agent 智能体时，我们可以将其比作一个自动执行任务的小助手，它利用人工智能的技术来完成特定的活动或作业。想象一下，你有一个看不见的机器人，它可以根据你的命令或者自己的判断来帮你做事。这个机器人就可以被称为一个“智能体”。

智能体（Agent）在人工智能领域中，是指一个能够自主操作、作出决策的实体。智能体的设计目的是让它能够感知其环境，并根据感知到的信息作出反应；能够在其所处的环境中执行任务，并达到预定的目标。这些环境可能是实际的物理世界，也可能是数字世界，如虚拟环境或软件应用中。这些信息可能是文本信息，也可能是语音、图片、视频等多模态信息。

1. 操作流程案例

假设你问智能体一个问题："如何用 Python 计算两个矩阵的乘积？"

1. 问题输入：用户的问题会被带到数据库中检索相关知识。

2. 初步回答：如果是简单问题，大模型直接回答，比如提供 Python 代码示例。

3. 复杂问题处理：如果问题复杂，需要调用工具，比如代码解释器来执行 Python 代码。

4. 多轮查询：如果需要多步计算，智能体会根据短期记忆记录每步结果，并在后续计算中使用这些结果。

5. 答案输出：最终，智能体会整合所有信息并输出完整答案，同时将有用的信息存储到长期记忆中。

通过这个流程，智能体不仅能够准确回答问题，还能随着使用逐渐变得更聪明和高效。这种系统设计能帮助智能体更好地理解和满足用户需求。

1. Agent 与 LLM 之间的关系

现下大致可以认为：Agent = LLM + 记忆 +规划技能 + 工具使用

Agent 和 LLM 在功能和应用场景上有明显的互补关系。Agent 智能体作为一个综合性的概念，涵盖了从感知到决策再到行动的全过程，而LLM则专注于自然语言的理解和生成。通过将两者结合起来，可以创建更加智能、高效和人性化的系统，应用于各种复杂的任务和场景中。

1. 快速搭建一个 AI 助手智能体

点击确认，进入智能体编排页面

废话我们就不多说了，直接开始：

第一步编写提示词：编写提示词，也就是智能体的人设与回复逻辑。智能体的人设与回复逻辑定义了智能体的基本人设，此人设会持续影响智能体在所有会话中的回复效果。建议在人设与回复逻辑中指定模型的角色、设计回复的语言风格、限制模型的回答范围，让对话更符合用户预期。

在智能体配置页面的人设与回复逻辑面板中输入提示词。例如 我设计了一个智能政策富足决策助手的提示词可以设置为：

你甚至可以给内置提示词优化一下，点击上面右上角那个优化小图标。

填写完之后 就可以直接进行测试了，

这个之后你就可以直接发布了，但是你觉得这样足够吗，告诉你这是远远不够的，没有实际的用处。

那么接下来我们需要做什么呢！没错中间的编排功能我们还没做，怎么将智能体更加精准准确的给到你想要的东西呢，我们今天说的稍微简单一些的：

1.模型设置:选择你觉得合适的模型，这边我选用的是deepseekR1 0528的版本，我还是觉得很好用的。

初步可以按照我这么设计，这个当前时间要勾选的，不然你会发现你问出的东西，收集的东西还是停留在了2024年

选择完大模型之后我们来到第二步：

技能：这边技能其实包含了好几像插件、工作流、触发器等等，

在这边我选择了较多的插件因为这个政策匹配需要全网覆盖搜集新政策，但是现在还是没有完全覆盖，并且好像没有找可以直接去官网拉取信息的插件，这个后续我去看一下是不是因为有协议的问题，如果能拉取，到时候我写一个脚本去拉取一下。

这是我使用的一些插件

  至于以下的记忆，对话体验我都是开着的 感觉无伤大雅的 ，记忆的话我主要是想弄上下文联系。

  这样基本一下小助手就出来，当然这只是一个小雏形，距离真正的全面型政策智能搜索智能匹配还有一段距离，不过作为一个小demo还算能接受，效果展示：

  当然这只是冰山一角，有兴趣的小伙伴可以试试，先做这个普通的后续去再添加功能，这一期的内容可以说相对还是有一些有用的知识给你们，你们可以自己动手试试，这样属于你的第一个智能体就出来了。后续我将会从工作流、触发器等等其他方式进一步的优化我们的智能体，欢迎大家评论区留言讨论！！