Skip to main content

Agent 最佳实践：从流程到决策

开始前，建议先阅读：

你将​

  • 快速上手，搭建强大的商用 Agent

  • 学习两个由浅入深的实战案例（含可复制的提示词骨架、工具配置要点与核对清单）。

  • 掌握提示词编写、工具与权限配置的方法。

  • 学会在成本与性能之间做权衡。

一、核心概念​

  • 对话机器人：基于大语言模型的智能助手。可理解自然语言并即时调用工具完成查询、统计等任务，让你以对话驱动业务。

  • AI Agent 节点：执行时可基于上下文自动分析与判断，并调用工具完成操作，使流程具备自主推理与行动能力。

  • 工具：让 Agent 执行任务的接口；可查询/新增/更新/汇总工作表，或调用 PBP、外部 API、发送通知/邮件等。

  • 结构化输出：将模型答案组织成 JSON 或固定格式，便于下游节点直接引用。

二、2 个实战案例​

案例 A：CRM 线索助手（入门·对话机器人）​

通过该案例，了解对话机器人的基础用法，以及 AI Agent 节点的工具调用与用户鉴权。

  • 目标: 销售可通过聊天完成“查客户、补录线索、更新跟进”。系统自动写回工作表，并受用户权限约束。

  • 预期效果示例:

搭建步骤​

第一步. 创建对话机器人 → 填写描述 → 系统自动生成的「对话触发 + AI Agent」工作流。

第二步. 配置AI Agent 节点配置

  • 模型：选择“自动选择模型”

  • 提示词

    你是“CRM 线索助手”，服务于销售团队。你的职责是通过自然语言交互，帮助用户在CRM系统中查询、补录或更新客户线索。

  • 工具

    • 查询记录 / 新增记录 / 更新记录 / 汇总（手动设置工作表范围：客户、线索）

    • 开启 「按用户权限」

    • 对 新增/更新工具 勾选 「调用前需要用户确认」

  • 其他配置

    • 按默认配置即可

要点说明​

  • 勾选「按用户权限」：AI Agent只能访问对话人有权限的数据。

  • 新增/更新 类工具建议勾选「调用前需要用户确认」，避免Agent误操作。

  • 开启“使用系统预设的回复风格”，获得稳定的回复质量。

  • 常见风险：

    • 未设工作表范围时，可能误触其他表。

    • 未启用权限控制，存在越权风险。

案例 B：客诉预警与处置（中阶）​

以“客户投诉分级”为场景，演示 AI Agent 节点的应用方式。该思路可用于需要智能判断、自动总结或决策的任意流程。

  • 目标： 自动识别投诉严重程度，判断责任人，执行不同的后续动作（通知、PBP 流程、归档等）

  • 预期效果：

搭建步骤​

第一步 创建新工作流​

触发条件选择：当投诉记录新增时触发

第二步 添加第一个 AI Agent 节点 —— “投诉理解与分级”​

职责：

1.理解投诉内容；

2.查询历史投诉；

3.根据规则输出投诉严重程度与建议处理方式。

  • 模型 : 选择 DeepSeek-V3。该场景重在阅读理解与分类，无需复杂推理，性价比较高。

  • 提示词

    建议明确角色（分析专员）与判断标准（文本、次数、金额），以提升输出稳定性。

  • 工具配置

  • 输出: 使用结构化输出，使用结构化输出（JSON 字段定义），以便后续节点直接引用字段，无需二次解析。

第三步 添加第二个 AI 生成文本节点 —— “投诉处理人分析”​

职责： 根据投诉类型、责任部门或产品线，自动判断应由谁处理。

可将任务拆分到不同 AIGC 节点：复杂度较低的步骤使用高性价比模型（如 mini、nano 系列），在稳定性的同时降低成本

  • 提示词示例：

第四步 添加条件分支，投诉分流​

  • 设置条件：

    • 若 severity = 轻微 → 路径 A

    • 若 severity = 一般 → 路径 B

    • 若 severity = 严重 → 路径 C

第五步 分别配置分支动作​

  • 分支 A(轻微)： 更新记录

  • 分支 B（一般）: 立即通知负责人并更新状态。

  • 分支 C（严重）： 立即通知管理层并启动紧急流程（PBP）。

到这里，流程似乎已经圆满：

投诉内容被识别、严重程度被判断、不同分支触发不同动作——逻辑清晰、执行可靠。

但聪明的你可能意识到了一个问题：我们仍然在使用传统的流程思维。

每一个判断、每一个动作，都是我们在告诉系统“该怎么走”。而真正的Agent，不是被告知怎么做，而是自己知道该做什么。

其实，一个 AI Agent 就能完成全部逻辑

AI Agent 不只是理解文本的节点，它拥有完整的判断能力和工具调用能力。

在提示词中定义规则后，Agent 可以自动判断严重程度，并直接调用工具执行操作——

无需显式分支、无需多个节点。

AI Agent 节点的意义，不在于“替代”传统流程，而在于让流程从机械执行，进化为智能决策。

在传统流程中，逻辑通常是线性的：

我们用条件分支去判断，用多个节点去执行。系统只是遵循预设路径行动。

而当 AI Agent 节点 加入其中，一切都变得不同：

它能理解业务语境、根据规则自主判断，并直接调用工具完成任务。流程的“思考”不再依赖人工设计，而是由 Agent 自行完成。

三、提示词撰写指引​

提示词（Prompt）决定了 Agent 的理解方式与输出质量。无唯一标准，可参考：

  1. 角色明确：说明 Agent 的身份和职责范围，例如“你是客户线索助手，只处理与客户/线索相关的任务”。

  2. 任务具体：列出可执行的动作（查询、汇总、更新、生成报告等），用自然语言描述即可。

  3. 边界清晰：告诉模型“不处理什么”，防止误解或越权。

  4. 输出格式要求：告知希望返回的形式，如 Markdown、表格或 JSON。

  5. 语气与风格：若面向终端用户（对话机器人），应保证语气自然友好；在流程中执行（AI 节点）时应简洁稳重。

  6. 测试与微调：多次运行后，根据日志反馈逐步修改提示词，不必追求一次完美。

经验：越具体的提示词越稳定，越模糊的提示词越容易“跑题”。简洁清晰往往比冗长复杂更有效。

四、工具与权限配置要点​

  • 工作表范围：强烈建议手动指定目标表，避免误触其它表。

  • 查询范围（查询/汇总类）：用筛选明确时间、部门、负责人等边界。

  • 按用户权限（对话流特有）：默认开启；若关闭将忽略对话者权限（一般不建议）。

  • 调用前需要用户确认：

    • 对话流： 适用于“新增记录、更新记录、发送站内通知、发送邮件、调用封装业务流程、调用已集成 API”；

    • 非对话流： 通常不勾选，确保自动化不中断。

五、成本与性能优化​

  1. 任务拆分： 将任务划分为多个子任务，在不同的AIGC节点中处理，以提高流程的稳定性，同时还能节省费用（简单任务选用高性价比模型，如mini、nano系列）。

  2. 仅传必要上下文： 收紧记录工具的工作表范围。待选工具集越小，结果更稳，token 消耗更低。

  3. 记忆轮次： 按需配置，避免无效上下文累积。

  4. 结构先行： 要求输出 JSON，减少二次解析与重复调用。