智能体开发,这家巨头已经悄悄领先了(含手把手搭建教程)!

今年Agent很火爆,有个朋友的公司也想开发一个给自己企业用的Agent,问我哪个开发平台比较好。

我回想了一下,有个最大的感觉就是,很多智能体开发平台做出的智能体还是偏娱乐的,甚至像个玩具,真正能提高生产效率的企业级智能体很少。

对于企业级智能体来说,首要的要求就是回答准确、没有幻觉,因为出错的话对企业影响很大,所以在对企业知识库文档做解析的时候,准确性、完整性非常重要。它还得能应对复杂的业务流程,工作流必须得灵活。大家用起来要方便,能嵌入到企业内部的沟通系统当中,如果再安装新的App就太麻烦了。

我就又考察了一番各个平台,用几个典型的Agent做了测试,给朋友做了推荐:如果是想做企业级、复杂业务场景的智能体开发,建议选择腾讯云智能体开发平台,为啥要推荐腾讯呢,我们看看这三个Agent就知道了。

01

和企业微信紧密集成

每个公司的HR可能都会有这样的烦恼:员工对公司的相关政策不是很清楚,需要打电话或者通过微信来询问,相同的问题需要反复回答。

这时候如果有个类似HR小助手的Agent,就能极大地提升HR的服务能力。

HR小助手开发起来并不难,例如在腾讯云智能体开发平台上,就可以通过输入提示词,导入各种HR相关的文档到知识库就可以了。

但是在腾讯云智能体开发平台上,我们可以把这个HR小助手和企业微信进行集成,让员工在微信中直接和这个小助手进行对话,这个能力在别的智能体开发平台上是看不到的。

集成的过程也非常简单,先登录到企业微信后台,创建一个“智能机器人”,并切换为【API模式创建】。

打开智能体开发平台,点击应用发布-发布渠道,选择企微智能机器人,填写相关信息后点击创建:

将创建后的url、token和key复制,粘贴到智能机器人的配置页,点击【创建】即可。

接下来就可以在企业微信中开心地@HR小助手使用了,可以1对1对话,也可以拉入群中进行对话,过程非常丝滑。

企业微信对很多公司来说是个非常常用的工具,腾讯云的智能体可以轻松地集成到其中,用户无需在工作中切换工具,就能使用各种智能体,确实非常方便。

所以企业相关的智能体,还是非常适合用腾讯云智能体开发平台来开发的。

02

强大的知识库

很多公司经过一段时间的运营后,都会沉淀出各种各样的文档,这些文档种类多样,格式不一,非常复杂,知识分散在其中,不好利用。

比如有个家电企业的客服部门,它的各种家电维修,保养,故障等信息文档包含PDF,Word,Excel等各种格式,甚至有复杂的超大型文档(图文混排,跨页表格等)。

这个客服部门想建立一个家电维修小助手的Agent,当用户家中的电器(如冰箱、洗衣机、空调)出现问题,可以获得自助诊断服务。

这时候,一个强大知识库就成了重中之重,非常考验智能体开发平台对文档的处理能力。

扣子在创建知识库的时候,需要按照文档的类型(文本、表格,照片)来进行分类,创建不同的知识库:

然后还得把这些不同的知识库和智能体进行关联:

说实话,这么做是有点儿麻烦的。

腾讯云智能体开发平台则不同,在智能开发的界面中就有一个知识管理,直接把文件拖拽上传就可以了,不管是文档,表格,图片..... 通通支持,非常方便。

不止是导入文档方便,腾讯云智能体开发平台对知识库的文档处理上,肯定是下了大功夫。

我在开发这个家电维修小助手的时候,上传了一个洗衣机的说明书,这是一个PDF文件,内容是图文混排的,像这样:

把这个文档上传到腾讯云智能体开发平台的知识库以后,我也没做任何处理,直接问智能体:两台洗衣机共用水龙头怎么接?

让我惊奇的是,腾讯云智能体开发平台的智能体不但精确地找到了相关文本,还找到了相关图片:

我在扣子上也做了一个类似的智能体,上传了同样的文档,问了同样的问题,扣子也找到了相关的内容,但是却没有图片输出:

腾讯云智能体开发平台不但支持文搜图,还能支持图搜图的功能,这在别的平台是看不到的。

除此之外,腾讯云智能体开发平台的知识库还在上万行、上百列的超大表格,在单表查询与统计、多表匹配查询、多表匹配统计等结构化数据处理能力领先,可以说是非常强大,我这里就不再一一展示了。

03

轻松应对复杂的业务流程

不少公司除了知识库复杂以外,内部的流程也比较复杂,智能体开发平台也必须能灵活地实现这些需求。

例如前面所说的家电维修助手,除了自助诊断以外,还需要给用户提供预约上门的服务,需要实现一个“家电维修流程”,和用户交互,收集用户的联系方式、地址等信息。

这时候对智能体开发平台的要求就是,要实现智能的交互,用户在流程的中间想改个信息,别让流程再从头儿来一遍,否则用户体验就太差了。

我在多个平台也尝试了工作流,发现腾讯智能体开发平台在这方面有两个非常突出的优势:

1. 工作流和对话流合二为一

我在开发这个“维修家电”工作流的时候,发现腾讯智能体开发平台有个非常有意思的节点叫做“参数提取”:

它有意思的地方在于我只需要告诉节点我的意图:收集用户手机号和家庭住址。

当工作流执行到这个节点的时候,它就会停下来,用大模型自动和用户展开对话,把用户手机号和家庭住址拿到。

这个功能真是太好了,一般的工作流它就是一个自动执行的流程,里边的任务都是程序化自动执行的,是不会在途中停下来和用户对话的。

对话的过程被叫做对话流,很多平台的工作流和对话流是分离的,比如扣子平台就需要分别创建:

阿里云百炼也是分开的:

但是腾讯云智能体开发平台把工作流和对话流合二为一了,这样的工作流就更加智能,既能自动化执行任务,又可以停下来和用户交互,极大地方便了用户和Agent开发者。

2.智能的节点回退

这个是腾讯云智能体开发平台独创的功能,非常好用。

例如下面的流程,已经走到了最后一步:服务评价。用户突然发现手机号码写错了,要修改手机号码。

腾讯云智能体能自动找到之前的和电话号码相关的节点,回退到那里进行修改。

由于无需像传统机器人一样重新跑一遍流程,可实现更类人的智能交互,用户体验就非常好了。

04

智能的多Agent协同

HR小助手和家电维修助手任务相对单一,一个Agent就可以搞定,随着场景越来越复杂,就需要多个Agent配合来完成工作了。

比如保险公司想实现智能理赔,协助客户完成从报案到赔付的全过程,就需要涉及到事故报案、材料审核、赔付计算、赔付进度跟踪等多方面的业务流程,需要多个Agent来协作才能完成整个流程。

再比如车企可以做一个智能购车顾问,通过通过推荐-融资-试驾这三个关键节点联动,大幅提升购车转化率,这个购车顾问也是Multi-Agent架构:

主Agent:智能购车顾问

模拟真实销售顾问,为用户推荐并促成购车决策

子Agent:

1.车型推荐Agent

根据预算、用途、品牌偏好,通过搜索插件搜索车型信息,推荐合适车型

2.金融方案Agent

提供贷款/分期/定制化计算方案

3.预约试驾Agent

根据用户位置,预约时间,通过搜索插件搜索4S店信息展示给用户。

很明显,当用户问到不同领域问题的时候,需要把用户“转交”到不同的Agent来进行处理。

怎么处理呢? 

一种方法就是采用类似工作流编排的方式:把各个Agent当做工作流的节点,然后安排好前后次序,跳转条件进行协作,比如扣子平台就是这么做的:

这种方式看起来比较直观,但是这样其实很麻烦,因为无法预料用户的行为,用户在使用的时候很可能“不会按常理出牌”,他们的问题是跳跃的,一会儿需要金融方案Agent处理,一会儿需要车型推荐Agent来处理,尤其是当Agent很多的时候,手工建立他们之间的关联是比较困难的。

腾讯云智能体开发平台这一点就做得很好,他们首创了零代码多Agent转交协同方式,只需要用自然语言描述好各个Agent的功能,大模型就可以自动协同不同的Agent来完成用户的要求。

比如我表达了买车的需求,主Agent 智能购车顾问先收到请求,然后自动转交给车型推荐Agent。

当我想贷款买车的时候,“金融方案Agent”开始接管了。

接下来我想约个试驾,“预约试驾Agent”自动介入了。

再次需要提醒大家的是,我并没有通过工作流等方式手工指定Agent之间的转交关系,完全是靠大模型理解对话中的信息,然后自动转交的。

05

总结

通过上面的三个案例,相信大家已经感受到腾讯云智能体开发平台的强大之处和智能之处,这里再稍微总结一下:

1. 可以和企业微信集成,方便员工来使用智能体。

2. 工作流和对话流合二为一,还可以智能地回退。

3. 知识库就“内置”在智能体中,可以一键上传各种各样的文档,表格,图片,在后台它会智能处理图文混排,跨页表,大型表格,在知识库检索时,不但能找到文字,还能输出图片,支持文搜图,图搜图。

4. 对于Multi-Agent,腾讯云智能体更是充分利用了大模型的能力,无需工作流编排和代码,实现了零代码的协同转交能力。

总之,如果你有企业级的、严肃的智能体开发需求,强烈建议你尝试一下腾讯云智能体开发平台,肯定不会让你失望的。

### Qwen-Agent 智能体应用开发实战教程 Qwen-Agent 是一个专为 AI Agent 应用开发设计的框架,基于通义千问(Qwen)模型,提供了一套完整的解决方案,旨在让开发者能够更加高效、便捷地构建功能丰富、性能优越的智能体应用。以下是 Qwen-Agent 智能体应用开发的实战教程,帮助你快速上手并掌握其核心功能。 #### 1. 环境准备 在开始开发之前,确保你的开发环境已经准备好。Qwen-Agent 支持多种开发环境,包括本地开发和云端部署。 - **安装 Python**:Qwen-Agent 基于 Python 开发,因此需要安装 Python 3.8 或更高版本。 - **安装依赖库**:使用 `pip` 安装必要的依赖库,例如 `transformers`、`torch` 等。 - **获取 Qwen-Agent**:你可以通过访问 Qwen-Agent 的 GitHub 仓库来获取源代码和文档。[^1] ```bash git clone https://github.com/Qwen/Qwen-Agent.git cd Qwen-Agent pip install -r requirements.txt ``` #### 2. 配置 Qwen-Agent Qwen-Agent 提供了丰富的配置选项,允许你根据具体需求进行定制。你可以通过修改配置文件来调整模型参数、输入输出格式等。 - **模型选择**:Qwen-Agent 支持多种预训练模型,你可以根据应用场景选择合适的模型。例如,如果你需要处理复杂的自然语言任务,可以选择更大规模的模型;如果对性能有较高要求,可以选择轻量级模型。 - **输入输出格式**:Qwen-Agent 允许你自定义输入输出格式,以便更好地适配你的应用场景。例如,你可以设置输入为 JSON 格式,输出为文本格式。[^2] #### 3. 开发第一个智能体应用 Qwen-Agent 提供了丰富的 API 和工具,帮助你快速构建智能体应用。以下是一个简单的示例,展示如何使用 Qwen-Agent 开发一个基本的智能体应用。 ##### 示例:创建一个简单的问答智能体 1. **定义智能体逻辑**:你可以通过编写 Python 代码来定义智能体的行为。例如,以下代码展示了如何创建一个简单的问答智能体。 ```python from qwen_agent import Agent # 初始化智能体 agent = Agent(model_name='Qwen-7B') # 定义智能体的响应逻辑 def answer_question(question): response = agent.generate_response(question) return response # 测试智能体 question = "什么是人工智能?" answer = answer_question(question) print(f"问题: {question}") print(f"答案: {answer}") ``` 2. **运行智能体**:将上述代码保存为 `qa_agent.py`,然后运行它。 ```bash python qa_agent.py ``` 3. **优化智能体**:你可以通过调整模型参数、增加训练数据等方式来优化智能体的性能。例如,如果你希望智能体能够更好地理解特定领域的术语,可以为其提供相关的训练数据。 #### 4. 部署与测试 Qwen-Agent 支持多种部署方式,包括本地部署和云端部署。你可以根据实际需求选择合适的部署方式。 - **本地部署**:如果你希望在本地环境中运行智能体,可以直接在本地服务器上部署 Qwen-Agent。确保你的服务器具有足够的计算资源(如 GPU)以支持模型推理。 - **云端部署**:Qwen-Agent 也支持在云平台上部署,例如阿里云、AWS 等。你可以使用 Docker 容器化技术来简化部署过程。 ##### 示例:使用 Docker 部署智能体 1. **创建 Dockerfile**:编写一个 Dockerfile,用于构建智能体的镜像。 ```Dockerfile FROM python:3.8-slim WORKDIR /app COPY requirements.txt . RUN pip install -r requirements.txt COPY . . CMD ["python", "qa_agent.py"] ``` 2. **构建镜像**:使用 Docker 构建镜像。 ```bash docker build -t qwen-agent-qa . ``` 3. **运行容器**:启动容器并运行智能体。 ```bash docker run -d -p 8000:8000 qwen-agent-qa ``` 4. **测试部署**:你可以通过访问本地或云端的 API 接口来测试智能体的功能。例如,使用 `curl` 命令发送请求。 ```bash curl -X POST http://localhost:8000/answer -H "Content-Type: application/json" -d '{"question": "什么是人工智能?"}' ``` #### 5. 高级功能与优化 Qwen-Agent 不仅支持基础的智能体开发,还提供了一些高级功能,帮助你进一步提升智能体的性能和功能。 - **多模态支持**:Qwen-Agent 支持多模态输入输出,允许你处理图像、音频等多种类型的数据。例如,你可以开发一个能够理解图像并生成描述的智能体。 - **分布式训练**:对于大规模模型,Qwen-Agent 提供了分布式训练的支持,帮助你加速模型训练过程。 - **自定义插件**:Qwen-Agent 支持自定义插件,允许你扩展智能体的功能。例如,你可以开发一个插件来集成外部数据库或 API。 ##### 示例:开发多模态智能体 1. **安装多模态依赖**:确保你已经安装了支持多模态处理的依赖库,例如 `Pillow` 用于图像处理。 ```bash pip install pillow ``` 2. **编写多模态智能体代码**:以下代码展示了如何创建一个能够处理图像并生成描述的智能体。 ```python from qwen_agent import MultiModalAgent from PIL import Image # 初始化多模态智能体 agent = MultiModalAgent(model_name='Qwen-VL') # 定义智能体的响应逻辑 def describe_image(image_path): image = Image.open(image_path) description = agent.generate_description(image) return description # 测试智能体 image_path = "example.jpg" description = describe_image(image_path) print(f"图像描述: {description}") ``` 3. **运行智能体**:将上述代码保存为 `multi_modal_agent.py`,然后运行它。 ```bash python multi_modal_agent.py ``` #### 6. 社区与支持 Qwen-Agent 拥有一个活跃的社区,开发者可以在社区中交流经验、解决问题。你可以通过以下方式参与社区: - **GitHub 仓库**:访问 Qwen-Agent 的 GitHub 仓库,查看最新的代码和文档。 - **论坛与讨论组**:加入 Qwen-Agent 的论坛或讨论组,与其他开发者交流经验。 - **官方文档**:阅读 Qwen-Agent 的官方文档,了解更多的开发技巧和最佳实践。 --- ###
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值