文章介绍了字节跳动扣子平台的AI Agent机制和工作流概念，认为它们是AI技术尚不完全成熟时期的过渡产物。详细解析了Agent智能体、提示词、技能、插件、工作流、触发器、知识库、记忆系统等核心功能，以及单Agent、多Agent和对话流三种模式。这些功能机制共同构成了AI Agent平台的基础，帮助用户构建能够自主执行任务的AI应用。

前排提示，文末有大模型AGI-CSDN独家资料包哦！

前些日子，体验了下字节的扣子平台，也就是时不时就有人提出来的AI Agent的平台。

体验下来并没有改变我个人的观点，我个人认为Agent以及AI工作流的出现只是AI技术尚不完全成熟的现在的过渡。就像自动驾驶领域中，从机械的算法、发展到分别应用AI处理不同阶段数据、最后变为端到端的模式一样，当AI具备全局思维、创造性思维之后，我们应该是不需要多个AI分别处理了。当然，这又带出来了另一个话题——端到端的架构是不是自动驾驶的最优架构，后面有机会了再聊吧。

总之，结合之前接触的大模型AI相关的知识（参考之前发布的一篇关于大模型AI基础概念的文章），对这类AI Agent平台的各项机制和功能概念做了个简单的总结。

Agent智能体

一个能够独立执行任务的自动化程序，可以根据用户指令自主调用资源库里的内容并完成编排；

提示词

Agent的设置，也就是AI中的系统消息的层面，对AI进行规则设置；

技能

Agent可以添加技能来支持更多功能，比如可以添加搜索功能支持网络搜索；

插件

插件能够让Agent调用外部API，如搜索信息，来扩展Agent的能力；

● 卡片数据：支持绑定消息卡片，绑定成功后，Agent将以消息卡片的形式发送消息，只在飞书、豆包内支持；

工作流

● Agent可以设置工作流，用于实现多步骤任务；

● Agent会根据工作流编排的流程来响应用户需求。工作流开始节点通常需要设置输入参数，对话时Agent会根据用户提示词Query中包含的参数进行工作流的执行；

● 可以在Agent的提示词中引入工作流的名称调用工作流；

● 工作流默认为同步运行，Agent只会在工作流执行完毕后才会输出。可以将工作流设为异步，异步执行时会先默认返回一条预设的回复内容，执行完毕后，Agent会做出最终回复；

触发器

Agent可以设置触发器，用于实现定时执行或通知；

● 定时触发：在指定时间触发；

● 事件触发：服务端向指定url发送请求时执行；

● 触发器绑定的任务应在1分钟内运行完毕，且工作流需要关闭流式输出；

知识

● 文本：将文档、URL、三方数据源上传为文本知识库后，用户发送消息时，Agent可以引用文本知识的内容回答用户问题；

● 表格：将表格上传为表格知识库后，Agent可以支持对数据的查询和计算；

● 照片：照片上传到知识库后，添加语义描述，Agent可以基于描述匹配合适的照片；

● 自动调用：每一轮对话都会调用知识库；

● 按需调用：根据需要调用，需要在提示词中写清楚什么情况下调用；

记忆

● 变量：变量功能可以用来为用户保存变量，比如用户的语言偏好、个性化设置之类的。也包括了系统变量的配置；

● 数据库：建立后，多用户可以对同一数据表进行快速查询和修改，比如待办功能；

● 长期记忆：打开后，Agent会对对话进行长期保留，以提升长期的用户体验；

● 文件盒子：打开后，Agent可以储存多模态数据供用户反复使用；

对话体验

● 开场白：打开时发送给用户的信息，可以预置问题供用户选择；

● 用户问题建议：Agent回复后，自动根据对话内容提供3条用户提问建议；

● 快捷指令：对话输入框上方的按钮，配置完成后，用户可以快速发起对话或插件等；

● 背景图片：对话的背景图片；

● 语音：为Agent设置语音音色；

● 用户输入方式：可以设置打字输入、语音输入；

模式

● 单Agent模式：单Agent模式下，只会使用一个Agent进行任务处理，在处理复杂任务时会增加调试的复杂性；

● 多Agent模式：可以为不同的Agent配置独立的提示词，将复杂任务拆解为简单任务。多Agent模式下，可以在每个Agent节点配置独立的插件和工作流。调试时可以针对单个Agent节点进行修改；

● 对话流模式：仅对话，适合流程固定的场景；

AI应用

有用户界面的Agent组合，可以不只是对话；

可以搭建通用移动端、WEB端应用；

资源库

插件、知识库、数据库、提示词等资源，可以被同空间的Agent或应用使用；

资源可以存在于空间，也可以存在于应用中，在应用中时就不会干扰其它应用；

项目：单个Agent和单个应用两种类型都是一个独立的项目；

空间：资源组织的主体；

文章来自网上，侵权请联系博主
读者福利：倘若大家对大模型感兴趣，那么这套大模型学习资料一定对你有用。

针对0基础小白：

如果你是零基础小白，快速入门大模型是可行的。
大模型学习流程较短，学习内容全面，需要理论与实践结合
学习计划和方向能根据资料进行归纳总结

包括：大模型学习线路汇总、学习阶段，大模型实战案例，大模型学习视频，人工智能、机器学习、大模型书籍PDF。带你从零基础系统性的学好大模型！

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

👉AI大模型学习路线汇总👈

大模型学习路线图，整体分为7个大的阶段：（全套教程文末领取哈）

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉大模型实战案例👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。

👉大模型视频和PDF合集👈

这里我们能提供零基础学习书籍和视频。作为最快捷也是最有效的方式之一，跟着老师的思路，由浅入深，从理论到实操，其实大模型并不难。

👉学会后的收获：👈

• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

👉获取方式：

😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓