- 首先要有明确的目标,这样才能从一开始就明确人工智能代理的目的和能力。
- 选择符合您的使用情况、提供支持资源并允许您免费测试的合适平台。
- 将结构化流程与LLM 推理相结合,创建灵活的代理,既能遵循脚本,又能处理复杂的开放式任务。
- 将代理与知识库、渠道、网络钩子和平台集成,将其无缝嵌入实际工作流程。
- 测试、部署并不断改进,在推出后利用分析和用户反馈来完善人工智能代理。
近年来,人工智能代理技术取得了令人难以置信的进步--这意味着今天,任何拥有计算机的人都可以创建自己的人工智能代理。
人工智能代理是人工智能的主要趋势之一,预计将继续在各行各业迅速普及。
无论您是要实现流程自动化还是创建人工智能助手,本指南都将带您完成创建自己的LLM 人工智能代理的步骤。
1.确定范围
创建人工智能代理的第一步很简单--它要做什么?首先要清楚地勾勒出代理的目的。
人工智能代理在现实世界中有大量应用。确定你的目的将决定它需要哪些功能,这将决定你使用的平台。
- 销售人工智能代理可以帮助用户回答产品问题、推荐选项、比较型号并提供价格详情。
- 客户支持人工智能代理可解决客户问题,共享常见问题或视频等资源,并排除技术故障。
- 知识管理人工智能代理可检索公司政策、汇总文件并帮助员工快速查找相关信息。
- 人工智能线索生成代理通过电子邮件或WhatsApp 等平台发送有针对性的后续信息,通过对话捕捉信息,并将数据与客户关系管理同步,以简化跟踪。
- 人力资源人工智能代理可回答员工对公司政策的询问,协助入职,并处理 PTO 申请。
- 电子商务人工智能代理可跟踪订单、检查产品供应情况,并根据用户偏好提供量身定制的建议。
如果你从事的是一个专业行业,你甚至可以建立一个能处理多个流程的人工智能代理。例如,房地产行业的人工智能代理可以推荐房源、跟踪文书工作并管理客户关系。或者,酒店的人工智能代理可以处理预订、简化客房管理要求和销售额外服务。
如果您使用的是可扩展平台,那么世界就是您的。一个精心设计的人工智能代理几乎可以自动完成任何任务。
一旦确定了范围,您就掌握了挑选平台所需的信息。
2.选择平台
人工智能代理框架不乏选择。如果您正在寻找灵感,我们精心挑选的9 大人工智能平台列表将是一个很好的开始。
虽然我不会在这里对平台进行比较--因为我承认,我偏爱我们的平台--但我可以与大家分享在为您的项目选择合适的平台时需要考虑的几个关键因素:
确保您选择的人工智能平台能够
- 提供教育资源。学习总是有曲折的,因此要确保自己有充分的准备。
- 符合您的意图。如果你想要一个销售机器人或多代理系统,就不要选择专门从事客户服务的平台。
- 包括免费层,因此您可以在做出财务承诺之前(或不做出财务承诺)进行测试。
如果您需要开源解决方案,也有很多开源人工智能代理可供选择。
选好人工智能代理构建器后,就可以开始构建自己的人工智能代理了。
3.创建指令和变量
您的人工智能代理将是完全独一无二的--这完全取决于您的使用案例和范围。在这一过程中,您需要熟悉您所选择的平台,并将您的理解应用到您独特的路线图中。
从自主节点开始
让我们强调一个不幸的事实:并不是所有的 "人工智能代理平台 "都能让你建立真正的人工智能代理。
其中许多都提供人工智能聊天机器人,但缺乏人工智能代理的一个关键要素:代理能够自行做出决定,以满足建筑商的要求。
在Botpress Studio 中,自主节点(Autonomous Nodes)允许用户构建人工智能代理,以决定何时使用结构化流程,何时使用LLM。开发人员只需用普通语言提示自主节点即可。
只需几行简单的文字,您就可以告诉自主节点您希望人工智能代理做什么,以及在做这些事情时它应该如何行动。您可以在几分钟内定义它的个性、范围和目的。
人工智能聊天机器人的某些部分应该是结构化的,比如问候语或有针对性的推销。但是,您很可能希望将对话的某些方面卸载给LLM 。
创建变量收集信息
人工智能代理会向用户提出一些问题。例如
- 旅游人工智能代理可能会询问用户想要哪座城市的行程安排
- 心理健康人工智能代理可能会询问用户的感受
- 客服人员会询问用户需要哪些帮助
根据您的对话流程,您将包含 1-x 个变量来收集信息。
例如,旅游人工智能代理可能会询问用户要去哪里、是否要预订机票、有多少人同行、预算、喜欢的活动等。
或者,销售代理可能会询问用户在寻找什么,然后根据用户的回答进入不同的对话流程。
4.整合人工智能代理
没有集成的人工智能代理只是您自己版本的ChatGPT。人工智能代理的目的是由其集成定义的。
您可以将许多实体与人工智能代理集成在一起--如果您使用的是灵活的平台,几乎有无限的选择。
有了这些集成,人工智能代理才能与现有工作流程无缝集成,而不是成为一个没有连接器的 "多余 "部分。
知识库
如果您希望您的代理 "了解 "任何定制信息,如产品可用性、地方法规或软件文档,您通常会通过知识库共享这些信息。
使用知识库可以让您的人工智能代理传达准确、最新的信息(与询问ChatGPT 等通用聊天机器人不同)。
知识库可以是一个表格或文档,也可以是一个完整的数据库。知识库的例子包括内部文档、产品数据库、合规性资料库或企业搜索系统。
最强大的系统将使用检索增强生成(RAG)来解析文档并检索相关信息。(别担心,RAG 将配备人工智能代理平台)。
渠道
渠道是用户与人工智能代理交流的方式。它们很容易理解:WhatsApp 聊天机器人通过WhatsApp 进行交流。Discord 机器人通过Discord 进行交流。
面向客户的人工智能代理的常见渠道是网站小工具。有时也称为webchat,这种渠道允许网站访客与代理进行互动。
人工智能代理仅限于一个通道吗?绝对不是。您可以将人工智能代理集成到FacebookMessenger中,让它接收信息,然后在 Slack.或者建立一个人工智能代理,通过以下渠道向您的所有联系人发送信息 Telegram、短信和电子邮件发送信息。
网络钩子
如果想让人工智能代理根据触发器采取行动,就需要网络钩子。这类自动事件通知允许人工智能代理与不同的系统进行实时通信。
当一个系统发生事件时,webhook 会向另一个系统发送请求。这样就可以触发一项操作,而无需人工输入。使用网络钩子的例子包括
- Salesforce 中的新线索会提示人工智能代理进行评分和分配。
- 客户支持单据可触发人工智能代理进行分类,并根据需要进行升级。
- 当订单状态发生变化时,人工智能代理会发送发货更新。
- 新员工会收到人工智能代理发送的培训材料和会议邀请。
- 安全警报会提示人工智能代理进行分析并通知 IT 团队。
平台
人工智能代理集成中最困难、最令人兴奋也最有用的是:平台。
不要因为困难而放弃,大多数平台都会为人工智能代理提供大量预置集成。
可以与人工智能代理集成的平台包括
- Hubspot 和 Salesforce 等客户关系管理平台,用于跟踪和培养潜在客户
- Zendesk 和Intercom 等服务台平台,用于客户支持和票据解决
- 营销自动化工具,如Mailchimp (或 Hubspot),用于发送外部电子邮件
- 企业资源规划系统,如 Oracle 或 SAP,用于简化库存管理
- 分析平台(如Google Analytics),用于衡量代理商的成果
例如,人力资源的人工智能代理会将公司的关键政策文件作为知识库。当员工询问如何处理特定情况时,聊天机器人可以使用政策文件来提供答案。
5.测试和迭代
建立人工智能代理后,下一步就是完善它。测试和迭代是成功的关键,但往往被急于推出的构建者所忽视。
人工智能代理平台应在其工作室中提供一个模拟器,让您可以练习与人工智能代理的交互。这是测试的第一步,也是在开发过程中对代理进行微调的关键部分。
完成初始构建后,您可以使用 URL 与朋友或同事共享代理的示例版本。通过这种方式进行测试,有助于确保其功能在部署前准备就绪。
在测试过程中,您可以对人工智能代理进行调整,使其更加完善。请做好准备:即使在您部署人工智能代理后,这一过程仍将继续。这很正常。
6.部署人工智能代理
人工智能代理准备就绪后,就可以部署它,让它开始发挥作用。有几种部署方案可供选择:
- 将其作为小部件部署到网站上。
- 通过 URL 与用户共享。
- 将其与WhatsApp、Instagram、Telegram、FacebookMessenger 或Slack 等消息渠道整合。
- 将其与定制平台或服务整合,如贵公司的内部信息板或专有软件。
不要忘记让用户知道人工智能代理已经上线--如果用户不知道它可以使用,它就无法有效地实现其目的。清晰的沟通是让人工智能代理成为宝贵资源的关键。
注:如果您正在构建一个多代理系统(共享环境中的多个人工智能代理),那么您还需要对人工智能代理路由(将触发器导向特定代理的过程)进行规划。
要衡量多代理系统协作实现目标的成功程度,您需要一个多代理评估系统来进行评估。这将解决多代理协同工作带来的复杂性问题。
7.监测和改进
您的人工智能代理项目在部署后不会结束--事实上,部署只是一个开始。一旦它投入使用,您的人工智能代理就会开始为您服务。
优质的人工智能代理平台将提供持续分析,深入了解用户使用代理的时间、询问的主题以及他们喜欢使用的平台。
如果您想更好地了解如何优化人工智能代理的分析使用,可以查看我们关于人工智能聊天机器人分析的文章。
开始免费构建人工智能代理
您有关于人工智能代理的想法,而我们拥有最强大、最灵活的人工智能代理平台。
通过拖放式可视化流程生成器、广泛的教育库以及由 20,000 多名机器人构建者组成的活跃的Discord 社区,在 Botpress 上构建机器人非常简单。
我们的可扩展平台意味着您可以构建任何内容,我们的集成Hub 包含大量预构建的连接至最大渠道的连接器。
今天就开始建设。它是免费的。
常见问题
1. What’s the difference between an AI agent and a chatbot?
The difference between an AI agent and a chatbot is that a chatbot typically follows pre-defined scripts or decision trees, while an AI agent uses a large language model (LLM) to reason and make context-aware decisions autonomously. AI agents are designed to be adaptive and task-oriented, not just conversational.
2. Can I use different LLMs (like OpenAI, Claude, Mistral) within the same agent?
Yes, you can use different LLMs like OpenAI, Claude, or Mistral within the same AI agent as long as your platform supports multi-model orchestration. This allows you to route tasks to the most appropriate model depending on cost and speed.
3. How do I train my AI agent beyond a Knowledge Base – is fine-tuning possible?
Fine-tuning your AI agent directly within most platforms is not always supported, but you can shape the agent’s behavior using advanced prompt engineering and retrieval-augmented generation (RAG). For true fine-tuning, you'd need to train the model separately and integrate it via API.
4. Can I give my AI agent a unique personality or tone of voice?
Yes, you can give your AI agent a unique personality or tone of voice by configuring its prompt instructions to define tone and phrasing. This customization lets you align the agent with your brand voice.
5. Is there a way to restrict the scope of what an AI agent can answer?
You can restrict the scope of what an AI agent can answer by limiting access to certain tools or knowledge sources and using guardrails in workflows to filter or block out-of-scope inputs.