Hi，大家好，我叫秋水，當前專注于 AI 智能體和 AI 工作流自動化

經(jīng)常有朋友問我，如何打造一個商用 AI Agent（智能體）？

• 是選擇 Coze？Dify？還是 LangGraph ？
• 過程中有哪些注意事項？
• 我的數(shù)據(jù)應該存儲在哪里？
• 為什么某些網(wǎng)頁用這個工具無法抓取到內容？
• ······

因此，在 2025 年初，我結合這兩年的 AI Agent 的開發(fā)經(jīng)驗，啟動了一個合集《從零到一打造 AI Agent》。

內容包含了 AI Agent 的理論、實操和案例，我將一步步展示如何打造一個商用 AI Agent 的完整過程。

如果你是非技術人員，這對你來說非常有幫助；如果你是技術人員，這個視頻將幫助你少走一些彎路，快速上手！

這篇內容將從整體上介紹打造 AI Agent 的七個步驟，分別是需求梳理、軟件選型、提示工程、數(shù)據(jù)庫、構建 UI 界面、測試評估和部署發(fā)布。

梳理需求

梳理工作流

第一步，我們需要做的工作就是梳理需求。

首先，我們需要明確，做這個 AI Agent 是為了幫我們解決什么問題？

• 如果你是一位自媒體從業(yè)者，可能會希望做一個 AI Agent 來幫你處理一些重復性的工作，如找對標、找熱點、做分析、寫初稿等，這樣你可以把精力集中在內容創(chuàng)作上；
• 如果你是一位貿(mào)易公司的老板，可能會希望做一個 AI Agent 來幫你匯集來自不同平臺的訂單，并在各個平臺之間進行產(chǎn)品詢價和價格比較。

記住，你需要重點梳理的是那些重復性的、機械化的、不需要太多思考的工作，越詳細越好。

當然，你也可以借助 AI 工具，與它交流，形成初稿后，再進行補充。

你是一位工作流梳理專家，請幫我梳理<自媒體編輯>這個角色在日常工作中需要重復干的工作，并標記處哪些可以由 AI 來協(xié)助，哪些主要我來去做，先以表格的形式（工作內容/AI協(xié)助/人工來做）輸出，我當認為表格的內容完整后，我回復“繼續(xù)”，你再以mermaid流程圖的形式輸出，每個流程節(jié)點需要注明是否可由AI協(xié)助完成，流程圖為橫向。

用到哪些工具

梳理完需求后，我們需要根據(jù)梳理的工作流，羅列出需要用到的工具。

例如，采集數(shù)據(jù)需要網(wǎng)頁抓取工具；發(fā)布文章，需要對接微信公眾平臺。

因此，工具的選型也非常重要。借助不同的工具，可以讓 AI Agent 在不同的系統(tǒng)之間自動化地執(zhí)行任務，從而減少人工操作。

AI Agent 選型

第二步，我們需要根據(jù)場景選擇 AI Agent 開發(fā)平臺，選擇合適的大模型，并選用不同的工具來執(zhí)行不同系統(tǒng)的操作。

選擇哪個 AI Agent 平臺

先說說 AI Agent 開發(fā)平臺，Dify、Coze、FastGPT 等這么多無代碼 Agent 開發(fā)平臺，我們該選擇哪個比較合適呢？

• Coze 只能使用云端，不能在本地部署。
• Dify 是完全開源的，沒有限制，但在知識問答方面的能力較弱。
• FastGPT 的使用有一定限制，但在知識回答方面的能力相對較強。

更高級的開發(fā)平臺，如 LangGraph、CrewAI 等，可以讓 AI 自我規(guī)劃并執(zhí)行任務，但是需要編寫代碼。

是否選擇這些平臺，取決于我們的具體需求，當然也可以混合使用。

這就要求我們深入了解每個開發(fā)平臺的特點，它擅長什么、不擅長什么，存在哪些明顯的缺陷。只有掌握了這些信息，才能根據(jù)我們的場景做出合適的選型。

選擇哪個 LLM

再說說大模型的選擇，現(xiàn)在有海外的 OpenAI、Claude、Gemini，也有國內的 Kimi、通義千問和近期爆火的 DeepSeek，還有一些開源模型如 LLaMA、Grok，也有像 Mistral 這樣的小模型。

那么，基于你的 AI Agent 場景，在這么多模型中，最合適的應該選擇哪個？

如果你沒有隱私數(shù)據(jù)，最好的選擇是 OpenAI 和 Claude，因為它們是頭部大模型。如果你僅僅是做翻譯、總結文章等任務，選擇國內的大模型效果也差不多，當前 DeepSeek 的性價比很高。

選擇哪個模型，需要根據(jù)你的具體使用場景，當然也可以考慮混合使用。這個時候，建議你深入了解不同模型的能力。

• 小模型和大模型有什么區(qū)別？
• 哪個模型的推理能力最強？
• 8K、32K 等同一個模型的不同大小有什么區(qū)別？
• 如果本地部署，什么樣的配置能運行什么樣的模型？這些模型的能力如何？
• 如果使用云端大模型，模型的計費單價是多少？
• 是否可以混合使用不同的模型？
• 企業(yè)隱私數(shù)據(jù)能否使用云端大模型？

這些問題，我會在后續(xù)的內容中會逐一講解。

選擇哪些工具

最后，就是工具選擇。工具是一種能力，它可以是生成一張圖片，也可以是到互聯(lián)網(wǎng)上去搜索，甚至可以是與一個系統(tǒng)進行對接。

AI Agent 開發(fā)平臺的能力僅僅是利用大模型的能力，因此，如果需要與外部系統(tǒng)進行交互，就需要用到工具。工具大致可以分為有 API 接口的和無 API 接口的兩類。

有 API 接口的工具，對接起來就非常簡單。在 Coze、Dify 等平臺上，已經(jīng)集成了許多工具，可以直接配置和使用。

而對于無 API 接口的工具，就需要通過 RPA（機器人流程自動化）來處理。簡單來說，RPA 是一種可以通過控制瀏覽器來執(zhí)行一系列操作的自動化工具。

提示工程

第三步，提示工程是 AI Agent 的核心，好的提示詞能夠大大提升大模型輸出的準確性。

• 一個好的提示詞能幫助 AI Agent 準確地理解任務，提高大模型的輸出質量。
• 一個好的提示詞可以減少 token 的消耗，降低成本。
• 一個好的提示詞可以幫助 AI Agent 理解上下文，確保對話的連貫性。

因此，我們需要掌握如何編寫有效的提示詞。

• 什么是 CRISPE 框架？
• 什么是 BROKE 框架？
• 什么是 ICIO 框架？
• 什么是 CoT（思維鏈）？

我們還需要了解與大模型交互的規(guī)則，例如：

• 一篇長文分多次輸出比一次性輸出的質量更高。
• 使用不同的符號將不同信息分隔開，可以增強大模型的理解。
• 給出示例能幫助大模型快速理解你的要求。
• 對于復雜任務，將其拆解為若干步驟，引導大模型分步執(zhí)行，效果更佳。
• 明確輸出內容的限定，如字數(shù)、格式、風格、語言難度等。

ICIO 框架：

• Intruction（任務）：明確指出希望 AI 執(zhí)行的具體任務，如“翻譯一段文本”或“撰寫一篇關于 AI 倫理的博客文章”。
• Context（背景）：提供任務的背景信息，幫助 AI 理解任務的上下文，例如，“這段文本是用于公司內部會議的開場白”。
• Input Data（輸入數(shù)據(jù)）：指定 AI 需要處理的具體數(shù)據(jù)，如“請翻譯以下句子：‘人工智能正在改變世界’”。
• Output Indicator（輸出格式）：設定期望的輸出格式和風格，例如，“請以正式的商務英語風格翻譯”。

BROKE 框架：

• Background（背景）：例如，“你正在為一家初創(chuàng)科技公司撰寫一篇關于其最新產(chǎn)品的新聞稿。”
• Role（角色）：指定 AI 作為“新聞稿撰寫者”，以便它能夠以專業(yè)的角度回答問題。
• Objectives（目標/任務）：給出任務描述，如“撰寫一篇吸引人的新聞稿，突出產(chǎn)品的獨特賣點?！?/span>
• Key Result（關鍵結果）：設定回答的關鍵結果，例如，“使用正式和專業(yè)的語言，包含產(chǎn)品的主要功能和市場定位?！?/span>
• Evolve（改進）：在 AI 給出回答后，提供三種改進方法，如“調整語言風格以吸引目標受眾”，“增加產(chǎn)品使用案例”，或“優(yōu)化結構以提高閱讀流暢性”。

CRISPE 框架：

1. Capacity and Role（角色）：明確 AI 在交互中應扮演的角色，如教育者、翻譯者或顧問。
2. Insight（背景）：提供角色扮演的背景信息，幫助 AI 理解其在特定情境下的作用。
3. Statement（任務）：直接說明 AI 需要執(zhí)行的任務，確保其理解并執(zhí)行用戶的請求。
4. Personality（格式）：設定 AI 回復的風格和格式，使其更符合用戶的期望和場景需求。
5. Experiment（實驗）：如果需要，可以要求 AI 提供多個示例，以供用戶選擇最佳回復。

CoT 框架：

Chain-of-Thought，一種引導大模型像人類一樣，按照順序一步步思考問題解決方案的方法。

主要包括 Few-Shot CoT 和 Zero-Shot CoT 兩種應用方式。

Few-Shot CoT（少量示例）

描述思考步驟，先理解客戶需求，再考慮<目標>，最后給出推薦并解釋原因。

同時提供示例，這些示例展示 AI 如何依思維鏈思考給出答案。

Zero-Shot CoT（沒有示例）

簡單地增加一句提示詞即可：

讓我們一步步的思考（Let’s think step by step）

數(shù)據(jù)庫選型

第四步，AI Agent 運行過程中產(chǎn)生的聊天記錄、采集數(shù)據(jù)等內容存放到哪里？這個時候就需要數(shù)據(jù)庫了。

對于非技術人員，我建議使用飛書的多維表格，因其可視化程度高、易于操作、對接簡單。

不足之處是，當數(shù)據(jù)量變大時，讀取速度會變慢，且無法處理復雜的業(yè)務邏輯。

而對于技術人員，可以使用 MySQL、NoSQL 等常用的數(shù)據(jù)庫。

構建 UI 界面

第五步，構建屬于你自己的 UI 界面。在 Coze 上，你可以 DIY 自己的界面，而在 Dify 上則有現(xiàn)成的界面，只是不能修改。

這兩個平臺也都可以發(fā)布成服務 API，也就是說，你可以不使用它們提供的界面，而是獨立開發(fā)一個界面，與其對接。

如果你要開發(fā)自己的界面，可以借助 Cursor 這樣的 AI 編程平臺，來定制開發(fā)一個。

還有一個原因需要你自己開發(fā)一個界面，那就是在 Coze 和 Dify 上，你可以定義多個 AI Agent，你可以用自己定義的界面來調用，這樣可以讓你在使用時，始終在一個界面上操作。

測試評估

第六步，測試評估。測試是確保你的 AI Agent 不會出現(xiàn)錯誤，例如程序報錯、大模型無法處理用戶請求等問題。

評估則是確保 AI Agent 輸出的回復是正確的。在評估的過程中，我們需要不斷優(yōu)化 AI Agent，確保它能夠輸出正確的回答，并減少 token 的消耗。

我們可以使用 LangSmith 來監(jiān)控項目的運行。

LangSmith 幫助你更好地使用大模型：

• 調試和測試：它可以幫助你找出程序中的問題，并提供解決方案，確保 AI Agent 能夠正確地回答問題或完成任務。
• 評估：通過創(chuàng)建各種測試案例，來測試 AI Agent 的表現(xiàn)，比如它回答問題的準確性和可靠性。
• 監(jiān)控：它可以實時觀察 AI Agent 的工作狀態(tài)，比如處理請求的速度、花費的成本等。
• 日志記錄：它可以記錄 AI Agent 在工作過程中所有的詳細信息，包括接收到的問題、給出的回答以及使用的參數(shù)等，方便你進行分析和改進。

部署發(fā)布

第七步，部署發(fā)布。不同的 AI Agent 開發(fā)平臺有不同的部署方式。Coze 可以直接發(fā)布到豆包、小程序等平臺上，而 Dify 則可以直接發(fā)布為 Web 應用，或者嵌入到你的系統(tǒng)當中。

如果你是獨立開發(fā)的 AI Agent，那么你可以購買服務器進行獨立部署。

結尾

這就是我將在合集《從零到一打造 AI Agent》里介紹的一系列內容，非常開心與你一起深入研究這些內容，幫助你打造屬于你自己的完美 AI Agent。