从零搭建一个能对外服务的智能体

第一步：先建知识库

智能体的回答质量，取决于它能看到什么资料。进入知识库，导入产品说明、价格政策、常见问答、售后规则。

• 文档类资料适合长篇说明
• 问答对适合高频短问题
• 导入后检查分段效果，太长的段落拆开

这一步最容易被跳过，也最影响结果。没有知识库的智能体只能靠通用常识回答，客户问"你们这款支持七天无理由吗"，它只能猜。

资料整理有个简单标准：一个问题应该能在一个分段里找到完整答案。如果答案被切在两段中间，检索时就容易只召回一半。导入后翻一遍分段预览，把跨段的答案合并，把超长段落按小标题拆开。

第二步：设定人设与回复策略

在智能体的基础设置里写清楚三件事：它是谁、它服务谁、它不该做什么。

回复策略里定义语气、长度、是否主动追问、什么情况下转人工。边界写得越具体，线上表现越稳定。

一个能用的边界清单长这样：

• 不承诺知识库以外的价格、库存与到货时间
• 涉及退款、投诉、合同条款，一律转人工
• 单次回复控制在三句话以内，需要展开时先问客户要不要细说
• 客户连续两轮表达不满，立即转人工并带上对话摘要

第三步：挂载技能与工作流

技能让智能体能触发动作，比如关键词触发某段固定回复，或者调用一个工作流完成多步任务。先从两三个高频技能开始，不要一次配满。

工作流适合有固定步骤的事：查订单 → 判断状态 → 给出对应话术 → 记录跟进。这类流程写成工作流之后，智能体每次的执行路径都一样，不会因为模型发挥而漏步骤。

第四步：选择发布渠道

智能体支持发布到网页、公众号，也可以通过 API 与调用代码接进自己的系统。发布前先用对话调试跑一遍典型问题。

调试至少覆盖三类输入：标准问题、模糊问题、故意为难的问题。标准问题看答得对不对，模糊问题看会不会主动追问，为难的问题看边界守不守得住。

上线之后看什么

对话日志里能看到每一轮的提问与回复，统计里能看到会话量与命中情况。把答错的问题补进知识库，比反复改人设更有效。

建议第一周每天看一次日志，把问题分成三类：

三类问题的解法完全不同，混在一起改人设，往往改了一处坏了另一处。