本文介绍了Agent在大模型中的应用场景及搭建方法主要从业务逻辑编排、模型选择、插件使用、知识库配置等方面进行讲解。文章强调了模型作为Agent核心的重要性并详细解析了插件、知识库、变量和工作流等关键组成部分。最后为新手提供了从简易Bot到复杂Agent的逐步学习建议旨在帮助读者快速掌握Agent搭建技能提升工作效率。前言近一年agent不断火热或是大模型借助工具自助决策完成任务或是通过静态编排的工作流自动顺序执行结果让我们在处理相关任务时效率得到指数级提高。尽管可以在很多智能体商店找到一些场景下的agent项目但为了能够个性化满足自己的需求最好还是可以自己了解、尝试搭建一些基础agent。本篇就以扣子平台为例给大家做个agent的入门介绍其实各平台比如dify、n8n业务逻辑都大差不差选择扣子是因为国内平台好理解些按学习新事物的惯例逻辑主要会从agent的整体框架、组成部分逻辑角度进行展开主要是回答为什么对于怎么搭建后面会专门写一些实战案例也可以后续关注。应用场景先说下搭建的agent怎么用拿扣子来说很多人还是觉得在扣子搭建的智能体只能在扣子商店或者字节系平台扣子是字节推出的智能体开发平台如豆包、飞书使用。其实不然agent在发布时是可以直接生成api和sdk的这样想象空间就大了有2个我们接触最多的场景一是可以直接内嵌到微信公众号或微信客服消息中通过公众号或微信好友的交互形式进行使用非常贴合我们的使用习惯第二种就是直接对接到app中通过调用api使其成为app的一个板块或功能尤其是支持多模态的agent音视频交互在app里是不是想象力大增agent从搭建到使用主要由3个核心环节业务逻辑编排包括人设提示词——调试预览——发布使用在发布使用这个环节就可以生成上述说的对接其他平台的一些请求样式。业务逻辑编排知道应用场景后就回到了核心怎么搭的问题要了解怎么搭最基础的肯定还是要了解agent编排的几个核心元素在agent搭建中有个常见公式即agentllm模型memory含知识库、变量、数据库plugin插件工具最常用的其实也是这几个模型无疑是agent的核心和灵魂如果说agent里有避不可少的一个元素那就是模型了像知识库、插件这些都是按需添加但模型是必须的哪怕只靠模型和提示词也是可以做出一个简易bot发布就能用。在这个地方选择自己需要的模型进行添加对应模型参数一般默认即可。需要注意的是如果agnet里需要配置插件那一定要选择带有function call或工具调用标记的模型这个标记的意思是模型具有调用api、函数、工具来获取信息、执行操作或完成特定任务的能力。插件这个比较容易理解模型更像是一个大脑但要解决问题还是需要借用外部工具的能力就像四肢一样这些插件本质上就是由一个或多个api构成的点击“”号选择需要的插件即可。知识库因为模型都是通过历史数据训练的这些数据在训练时就已经固定。所以模型训练完后其知识就停留在训练时的状态无法自动获取训练之后的新信息。这时候就需要给模型最新的知识获取入口一种方法就是通过网络搜索插件利用联网能力获取新内容另一种就是知识库把相关信息传递给模型。另外在面对非公域信息时如个人或公司内部私密的内容这时候就只能用知识库了哪怕是网络搜索之类的插件也无法解决这个问题。在coze中用知识库也比较简单点击号先在知识库板块创建一个知识库然后点击再在agent里添加即可原理就是会对你提供的文档利用rag技术进行切片检索信息重组然后再通过模型生成相关信息给你所以文档切片与召回策略配置对回答的效果匹配度就非常重要。RRetrieval检索从知识库中找到与用户问题相关的内容AAugmented增强挑选出最相关的段落和信息并把它们汇总整理GGeneration生成大模型将整合的信息生成一个自然流畅的回答。知识库设置保持默认即可有几个参数简单解释下查询改写是指根据对话历史对用户输入的内容进行优化或重构从而更准确地捕捉真实的用户意图提升信息检索的效率。大白话就是回答时不局限用户问的当前问题而是会考虑前面用户问的几个问题当作上下文背景信息来回答。结果重排是指根据相关性或质量对检索到的文档切片进行重新排序以提高生成答案的准确性和相关性未开启结果重排时节点输出的是向量检索的结果根据匹配度从大到小排序开启结果重排后系统会将召回结果交由 Rerank 模型进行质量和相关性判断对结果重新排序将与输入问题最相关的内容排在前面。变量变量用来存储动态变化的信息配置变量后在用户与agent的交互过程中系统会自动识别与变量匹配的内容并将其存储至变量中可以在工作流等节点的环节读取检索和使用这些变量。打开启用变量开关且勾选操作列后表示启用变量并可以在智能体的人设与提示词中使用变量。仅打开启用变量开关未勾选操作列时表示仅支持在工作流、插件中使用该变量。工作流这是agent处理复杂任务的核心板块本质是通过一系列可视化的形式将不同节点进行拖拽实现解决任务的逻辑可以添加模型节点、代码节点、数据库节点等等。做这个工作流的核心前提还是自己要对需求任务的解决步骤sop明晰怎么拆分任务、每个子任务通过工作流自动化、然后将多个子任务进行串联平时可以多看商店市场里的工作流是怎么做的无他多练。后面也会进行一些工作流案例拆解分析。入手建议对于新手小白建议可以先从简易bot开始上手只依靠模型和提示词体验到高效率带来的快感然后再往里添加插件、知识库等再逐渐结合基础工作流一步步往丰富工作流最终做出多逻辑的复杂agent。如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取