说起来简单就三步。
先用Agent studio开发agent，然后在Workshop中嵌入Agent组件开发应用，最后发布成AI应用就可以供用户使用了。
单纯一个Agent没啥大用，关键是跟AIP的本体、Tool（Function + Action + Query）、Workshop其他各类组件结合使用，威力就大了。
还是那句老话，Agent或LLM在企业落地：不是陪聊、而是干活（Data+Logic+Action的决策和行动闭环）。
AIP Agent中开发Agent应用的精髓总结就7个点。
上下文（Ontology + Document + LogicFunction-Based）
工具（Apply Action + Call Function + Query Objects + Ontology Semantic Search）
模型（多模型任意选择）
记忆（Application State：String + Object Set）
指令（System级 + Task级 + /引用工具或变量）
行为（在对话流中可以实现本体对象的增删改操作交互或自动执行选择的Action、这个实在是有点牛叉）
变量（在workshop中给Agent配置）
首先打开agent studio可以看到创建的agents列表。
选择新建一个agent
对agent进行配置，包括指定大模型，prompt提示词，温度参数，指定LLM使用的工具等。配置好的agent可以保存，或者发布。Agent可以使用的工具和AIP Logic的Use LLM块是一样的，主要是三大类工具：Call Function工具、Apply Action工具、Query Objects工具。
可以指定LLM的上下文。可以是文档向量库、本体、基于函数的语义搜索返回对象集几种类型。相当于指定LLM外挂的知识库。
指定本体为上下文时，可以配置本体，包括返回多少条对象。
还可以给agent指定变量。
指定本体为上下文后的问答效果。
可以给agent增加应用上下文。可以对agent的state进行配置。state可以是String或Object Set两种。
在agent的回答中点击apply action工具时，直接弹出该action的输入画面，可以执行创建对象的操作。这个操作太牛叉了，通过apply action直接把增删改操作嵌入到对话流中了。
还可以容许agent自动执行选择的Action。
在workshop中创建一个agent应用。
添加agent组件。
给agent组件选择一个在agento studio中做好的agent。
给agent配置记忆。
发布应用后可以直接使用。
总结一下上面的过程，主要是以下三个核心步骤：
第一步：在Agent Studio中构建与配置
这是打造 Agent大脑的地方。
（1）创建 Agent： 在 AIP Agent Studio 中新建一个 Agent。
（2）配置核心参数： 选择 LLM 模型（如豆包），编写 System Prompt（系统提示词）来定义 Agent 的角色和行为准则。
（3）赋予能力绑定Tools： 绑定 Ontology Actions（本体动作）或 Functions（代码函数），使 Agent 具备读写数据、触发流程或执行计算的能力，这是 AIP 的核心优势。
调试与发布： 在右侧对话框测试 Agent 的回复与工具调用情况，确认无误后发布版本。
第二步：在Workshop中进行前端集成
这是构建用户交互界面 UI)的地方。
（1）创建应用： 新建一个 Workshop Module。
（2）添加组件： 拖拽相关组件，例如 LLM内容生成组件或 Button/Text Input 组件（用于表单式交互）。
（3）绑定 Agent：在组件配置中选择步骤 1 中创建的 Agent。将 Workshop 的变量（如用户输入框的值、当前选中的对象）映射为 Agent 的输入参数。将 Agent 的输出（回复内容、提取的结构化数据）绑定到 UI 组件或变量上进行展示。
第三步：应用逻辑与发布
（1）触发执行： 配置事件逻辑（如“点击按钮时”或“发送消息时”），调用 Agent 并等待返回结果。
（2）处理结果： 利用 Agent 返回的数据更新界面、触发后续的 Ontology Action 或进行页面跳转。
（3）发布应用： 保存并发布 Workshop 应用，供最终用户使用。
先在 Agent Studio 中定义模型、提示词和工具（Tools）；再到 Workshop 中搭建界面，将 Agent 绑定到 UI 组件上，通过变量映射实现用户输入与 AI 处理的闭环，最终生成 AI 应用。
| 欢迎光临 链载Ai (https://www.lianzai.com/) | Powered by Discuz! X3.5 |