使用 ADP 开发智能体

从方案判断开始，分别完成标准模式、单工作流、Multi-Agent、Claw 与智能工作台实战，把平台能力转化为可交付的业务应用。

3.1方案设计方法

做智能体方案时，第一步不是打开平台建应用，而是先判断：这个业务问题能不能被 AI 稳定处理，应该用哪一种 ADP 模式承载，落地后用什么结果证明它真的有效。

3.1.1 先把需求说清楚：从客户描述到方案判断

客户往往不会直接说“我要一个标准模式应用”或者“我要一个单工作流”。他们通常会用业务语言描述问题，比如：

这句话里同时包含了多个问题：重复咨询、知识检索、问题统计、管理看板。 方案设计时要先把它拆开，再判断哪些适合第一期做，哪些需要后续迭代。

（1）把客户需求翻译成 7 个维度

（2）第一期先做“能闭环、可验收”的部分

很多客户需求会从一个点扩散成一整套平台：既要问答、又要工单、又要数据分析、又要管理决策。第一期方案不追求一次性覆盖所有愿望，而是选出最容易闭环、最容易验证价值的切口。

• 能找到稳定资料的，优先做知识类能力，例如制度、产品、售后政策、操作手册。
• 流程已经固定的，优先做流程自动化，例如信息收集、条件判断、工单生成、结果通知。
• 需要多角色协同的，先确认每个角色的职责是否清楚，例如资料检索、数据分析、风险复核、结论生成。
• 需要读写文件、跑代码、临时分析的，先用 Claw 或智能工作台验证，再判断是否沉淀成固定应用。

3.1.2 用 ADP 模式理解场景适配度

标准模式、单工作流模式、Multi-Agent模式、Claw模式这四种智能体应用构建模式，解决的是“我要构建一个什么样的智能体应用”的问题。构建完成后，这个应用可以发布给目标用户使用，也可以通过接口被其他系统调用，所以更偏向应用构建和交付。一个应用搭好以后，往往可以服务多个用户。

而智能工作台解决的是“我自己怎么直接使用 Agent 来完成工作”的问题，是开箱即用的。它更像一个面向个人的 AI 工作空间，用户可以在里面直接处理文件、调用工具、使用已有应用或能力来完成任务，也可以辅助进行上述四种智能体构建模式的应用构建与分发。因此它更偏向个人办公协助和应用构建者的工作环境，而不是独立于上述四种模式的新的应用开发模式。

所以如果从“给谁用”这个角度来看：

• 四种应用模式：主要是“搭一个应用，再给别人用”，强调可复用、可发布、可被多人或系统调用。
• 智能工作台：主要是“我自己进入一个工作空间，让 AI 帮我完成当前工作”，强调个人使用和任务协作。不局限于技术人员，非技术人员也可以使用智能工作台进行日常的个人办公协助。

（1）模式选择看四个信号

不需要把模式选择做成复杂评分。实际项目中，只要抓住几个信号，就能快速判断初始方向。

（2）同一个客户需求可以分阶段落地

很多真实项目不是只选一种模式，而是分阶段组合。例如酒店智能服务助手，第一期可以用标准模式处理酒店信息和服务设施问答；当“客需送物、修改订单、维修报修”流程固定后，再用工作流把参数收集、工单生成和结果通知串起来；如果后续要做经营分析、用户声音总结和服务优化方案，可以再引入 Multi-Agent 或 Claw 处理分析任务。

3.1.3 方案设计画布：把需求变成可搭建方案

完成场景适配判断后，需要把方案写成一页能评审、能搭建、能验收的画布。画布不追求长，而是把关键决策说清楚。

示例：把“售后客服助手”写成方案画布

3.1.4 场景拆解方法：从方案到 ADP 搭建路径

方案画布解决“要做什么”，场景拆解解决“怎么搭”。进入 ADP 之前，把场景拆成四层：业务流程、输入输出、知识依赖、系统依赖。

（1）业务流程拆解

把客户的业务动作按顺序写出来，区分哪些由用户完成，哪些由智能体完成，哪些仍然需要人工处理。流程越固定，越适合工作流；流程越开放，越需要 Agent 或 Claw。

（2）输入输出拆解

输入输出决定节点怎么设计，也决定最终能不能被业务系统接收。自然语言回答只适合人看；JSON、表格和字段更适合系统流转。

• 输入：用户问题、文件、图片、表格、链接、账号信息、业务编号、日期、地区、产品型号等。
• 中间变量：意图类别、关键字段、检索结果、接口返回值、判断结果、置信度、异常原因。
• 输出：自然语言答案、引用来源、结构化字段、JSON、Markdown 表格、报告文件、工单编号、下一步操作。

（3）知识依赖拆解

知识质量会直接影响智能体效果。进入平台前，先判断资料是否完整、是否结构清楚、是否可更新、是否需要分权限。

（4）系统依赖拆解

如果智能体只回答问题，系统依赖较少；如果智能体要“办事”，就需要提前确认接口、权限、字段和安全边界。

• 要查什么系统：CRM、ERP、工单系统、订单系统、HR 系统、知识库、数据库。
• 要调用什么能力：插件、MCP、API、数据库连接、企业微信、小程序、Skills。
• 要遵守什么权限：不同角色能看哪些知识、能调用哪些接口、能不能下载文件、能不能触发工单。
• 要保留什么日志：用户问题、命中文档、接口调用、工作流节点结果、异常原因、人工接管记录。

行业方案判断速查：目标、能力、指标与边界

行业案例不需要逐个背产品功能。判断时始终沿着“业务目标—输入资料—能力组合—验收指标—风险边界”五个问题展开。下面的矩阵把常见场景压缩成可复用的方案判断。

任何行业都要确认的六项

数据、责任 AI 与高风险操作边界

3.1.5 练习：把一个客户需求拆成 ADP 方案

阅读下面的客户需求，完成后面的方案拆解。

3.1.6 小结

ADP 方案设计的核心，是把“客户想要 AI”翻译成“平台可以稳定承载的业务能力”。本节可以用三句话收束：

• 先识别业务问题：看清背景、目标、用户、资料、流程、系统、边界和验收指标。
• 再选择承载模式：稳定问答优先标准模式，固定流程优先单工作流，复杂协作考虑 Multi-Agent，开放探索和文件处理考虑 Claw，低门槛创建从智能工作台开始。
• 最后拆成搭建路径：把业务流程、输入输出、知识依赖和系统依赖拆清楚，后续才能进入具体应用搭建。

3.2标准模式实战：知识助手

你将搭建什么？

这一节不是只看功能介绍。你需要跟着页面一步一步操作，最终搭建一个名为“企业知识探索助手”的标准模式应用。它的定位不是万能聊天机器人，而是一个更接近真实业务场景的知识问答助手：既能回答平台使用、企业规范、AI 应用建设方法等知识类问题，又能在需要时联网检索公开信息；当问题超出知识范围时，它会明确拒答，避免编造。

Step 1：创建标准模式应用

我们先从一个空应用开始。标准模式适合用平台预设的问答处理流程快速搭建知识服务、产品咨询、制度问答、专家分身等应用。它的特点是：开发门槛低、上线速度快、回答效果相对稳定，适合绝大多数“以问答为主”的应用冷启动。

进入 ADP 控制台，点击左侧菜单中的“应用开发”，点击“新建应用”，在应用模式中选择“标准模式”。填写应用名称、应用简介，并上传一个图标。如果暂时没有图标，可以先跳过，后续再补充。点击“新建”，进入应用配置页面。

应用基础信息

Step 2：先测试一次“空应用”效果

在正式配置前，先测试空应用的默认效果。大模型本身可以回答通用问题，但如果没有角色设定、知识库和边界约束，它的回答往往不够稳定，也不一定符合企业应用要求。

空应用测试问题

观察回答时重点看三件事：第一，回答是否知道自己的角色；第二，是否能结合 ADP 标准模式来回答；第三，是否存在过于宽泛、像通用大模型一样的回答。如果出现这些问题，后续会通过系统提示词和知识库逐步修正。

Step 3：配置系统提示词，让应用“知道自己是谁”

系统提示词是标准模式中最重要的配置之一。它决定智能体的角色、回答范围、回答格式、是否引用知识库、遇到不确定问题时如何处理。这里我们先把应用从“普通聊天机器人”改造成“企业知识探索助手”。

在应用设置页面找到“角色指令”配置区，将下面的提示词完整复制进去，保存配置。可以点击“AI一键优化”，但优化后需要人工检查：不要把拒答规则、引用知识库规则和输出格式删掉。

系统提示词

保存后，先清空上下文关联，再在调试窗口重新提问下面的问题。

系统提示词验证问题

Step 4：用模型设置和模型对比选择更合适的回答效果

同一份提示词，在不同模型或不同参数下可能呈现不同风格。标准模式通常会涉及思考模型和生成模型：思考模型更偏向意图识别、任务判断；生成模型更偏向阅读理解、总结与最终回复。对于初学者，建议先使用平台默认推荐模型；当回答效果不稳定时，再通过模型对比进行选择。

进入“模型设置”区域，先查看当前思考模型和生成模型。不要一开始就频繁修改模型，先使用默认模型完成一次基线测试。

打开“模型对比”或“对比调试”功能，新增 2-3 个对话窗口，分别选择不同模型或不同参数，输入同一个测试问题，对比回答的准确性、结构、是否遵守提示词和是否容易幻觉。

模型对比测试问题

Step 5：配置欢迎语和示例问题，降低用户提问门槛

一个真实可用的智能体，不应该只等用户自己摸索。欢迎语和示例问题相当于应用首页的“使用说明”，可以告诉用户这个应用能做什么、不能做什么、应该怎么问。

进入应用设置中的“欢迎语”配置项，复制下面的欢迎语。

进入“示例问题”配置项，添加 1-3个示例问题。保存后清空历史对话记录，查看调试窗口是否展示欢迎语。

欢迎语

示例问题

Step 6：开启联网搜索，让应用能回答最新公开信息

大模型本身存在知识截止时间，不能天然知道最新新闻、最新政策、最新行业动态。标准模式可以通过联网搜索能力，让应用在需要时检索公开网页，再总结为用户可读的回答。

在应用能力配置中找到“联网搜索”开关，开启联网搜索，保存配置。在调试窗口输入需要最新信息的问题，观察回答过程是否出现搜索/检索动作，以及最终回答是否说明信息来自公开检索。

联网搜索测试问题

Step 7：上传知识库文档，让应用回答“你的资料”

现在应用已经有了角色、欢迎语、联网能力，但它还没有企业内部知识。接下来我们上传两份教学素材，让它能够围绕“标准模式”和“企业 AI 应用建设规范”进行知识问答。

请下载下面两份教学素材，并在后续步骤中上传至知识库。课程同时保留下方正文，便于在线阅读和核对。

• 素材1_ADP标准模式功能说明.docx
• 素材2_企业AI应用建设规范.docx

教学素材 1：素材1_ADP标准模式功能说明.docx

教学素材 2：素材2_企业AI应用建设规范.docx

进入应用的“知识管理”页面，选择“默认知识库”。默认知识库通常只服务于当前应用，适合放本应用专用资料，点击“导入”，上传刚才创建的两个 Word 文档。选择默认文档解析/切分方式即可。若上传的是 Excel 表格，可根据场景选择按行解析。等待解析完成后，打开解析结果，查看文档是否被正确解析和识别。

Step 8：新增问答对，让高频问题更稳定

知识库适合回答大量长文档中的问题，但某些高频问题需要更标准、更稳定的口径，这时可以增加问答对。问答对的作用是把“常见问法”和“标准答案”直接绑定，减少模型自由发挥。

进入知识管理中的“问答”页面。点击“新建问答”，将下面 3 组问答逐条添加。

问答对内容

下滑可修改问答生效范围、到期时间等配置。

问答对验证问题

Step 9：配置同义词，解决用户“换种说法问”的问题

真实用户不会总是使用资料里的标准词。比如资料里写的是“标准模式”，用户可能会说“基础模式”“对话模式”“知识问答模式”。如果不处理同义词，知识检索可能召回不稳定。

进入“应用设置-高级设置-同义词”配置，新增同义词组。标准词填写知识库中更常出现、更正式的词；同义词填写用户可能使用的其他说法。保存后回到调试窗口测试。

同义词验证问题

Step 10：设置兜底回复，避免知识不足时编造

企业应用里，最危险的不是“回答慢”，而是“不知道却装作知道”。拒答配置的目标，是让应用在资料不足、问题越界或风险较高时明确说明无法确认，并引导用户补充资料或联系负责人。如果设置兜底回复，请关闭联网搜索功能。

进入应用设置中的“对话体验”配置，开启兜底回复能力，配置兜底回复话术。保存后用越界问题测试。

拒答话术

拒答测试问题

Step 11：开启长期记忆，做个性化体验

长期记忆适合让应用记住用户的长期偏好、岗位背景、学习目标等，从而给出更个性化的建议。进入应用设置中的“变量与记忆-长期记忆”配置，即可开启长期记忆，并可以配置记忆时效、记忆提示词，并查看记忆测试内容。

Step 12：用测试集检查应用是否真的可用

完成配置后，不要直接发布。先用一组测试问题检查核心能力：知识库问答、问答对命中、同义词理解、联网搜索、拒答、长期记忆和输出格式。

Step 13：发布应用并分享给用户

测试通过后，就可以发布应用。发布的意义是把开发态配置同步到用户可访问的线上应用中。后续每次修改提示词、知识库、示例问题或其他配置，都需要重新发布，用户侧才能使用到最新版本。

进入“应用发布”页面，查看“待发布”变更项，确认包含本节新增的提示词、知识库、问答对、同义词、拒答、长期记忆、欢迎语等配置，填写版本说明，点击“发布”。

发布完成后，点击“查看详情”或进入发布管理页。复制分享链接，在新的浏览器窗口中打开，检查用户侧效果。

发布版本说明

最终效果：你应该看到这些回答

下面是用户侧测试的最终效果示例。

效果示例 1：知识库问答

效果示例 2：兜底回复

课后练习：把教学素材换成自己的业务资料

完成本节跟练后，建议你再做一次“迁移练习”：不要改应用结构，只替换知识库资料和示例问题，搭建一个自己的业务知识助手。

本节小结

通过本节实战，你已经完成了一个标准模式应用从创建到发布的完整搭建过程。这个过程覆盖了标准模式中最常用、也最关键的一组配置：用角色指令定义应用定位和回答规则，用知识库提供可信资料，用问答对稳定高频问题，用同义词提升不同问法下的召回效果，用联网搜索补充公开信息，用兜底回复控制知识不足时的回答边界，并通过长期记忆提升个性化体验。

后续迁移到真实业务场景时，可以沿用本节的方法：先明确应用定位，再准备知识资料，接着配置问答能力和边界规则，最后用测试集持续检查效果。标准模式并不是一次配置完成就结束，而是需要根据用户反馈、知识更新和业务变化持续调优。

3.3单工作流模式实战：客服助手

你将搭建什么？

这一节你将跟着页面一步一步搭建一个名为“电商售后客服处理助手”的单工作流应用。用户输入一段售后诉求后，应用会先抽取订单、商品、诉求和情绪等关键信息，再判断问题属于物流、支付退款、退换货售后，还是需要转人工的其他问题；随后，它会基于售后政策知识库生成处理策略，并输出一段可直接回复客户的话术。

本节最终产物

完成本节后，你会得到一个可以发布的单工作流智能体应用。它不是开放式聊天机器人，而是一个有固定处理流程的业务助手。

• 能从用户输入中抽取订单号、商品、问题描述、客户诉求和情绪等级；
• 能用意图识别节点把问题路由到不同处理分支；
• 能从知识库中检索售后政策和标准话术；
• 能用变量聚合把不同分支的结果汇总到统一回复链路；
• 能用回复节点把最终结果展示给用户，并完成调试与发布。

Step 1：创建单工作流模式应用

先创建一个空的单工作流应用。单工作流模式适合处理“输入明确、流程固定、步骤可拆解”的任务，例如客服分流、工单辅助处理、表单抽取、报告生成、审批前检查、投诉分类等。

进入 ADP 控制台，点击左侧菜单中的“应用开发”，点击“新建应用”，在应用模式中选择“单工作流模式”。填写应用名称和应用简介。应用头像可以先不填，后续再补充。点击“新建”，进入应用配置页面。

应用基础信息

Step 2：准备售后政策知识库

这个应用需要基于标准售后政策生成回复，因此先准备一份可检索的知识资料。本节已经提供简化版售后政策 Word 素材，可直接下载；下方仍保留完整正文用于核对。

• 电商售后政策与客服话术库.docx

知识库素材｜电商售后政策与客服话术库.docx

进入应用的“知识管理”页面，选择“默认知识库”。默认知识库只服务于当前应用，适合放本应用专用资料。点击“导入/上传文档”，上传刚才创建的“电商售后政策与客服话术库.docx”。选择默认文档解析和切分方式。如果你把素材整理成 JSON，可以按“},”作为切分符；本节使用 Word 文档，默认切分即可。

等待解析完成后，打开切分结果，确认“LOG-001”“PAY-001”“RET-001”等方案编号能被正确识别。

Step 3：新建主工作流

接下来创建本节的主工作流。单工作流模式的“单”，不是指只能创建一个工作流，而是指应用最终会指定一个主工作流，由这个主工作流承接用户请求并完成完整处理流程。

进入“工作流管理”，点击“新建”，工作流名称填写“售后诉求处理”，工作流描述填写下面内容。点击“确定”，进入工作流画布。

工作流基础信息

Step 4：理解开始节点和系统变量

在单工作流应用中，用户在对话窗口输入的内容会作为系统变量进入工作流。最常用的是 SYS.QUERY 和 SYS.CHATHISTORY。前者代表用户本轮输入，后者代表对话历史。

本节不额外增加工作流启动变量，直接使用用户输入作为处理对象，你只需要在对话框输入一段客户诉求即可完成调试。

Step 5：添加参数提取节点，先把用户输入结构化

用户输入通常是一大段自然语言。工作流要稳定运行，第一步是把这段话转成结构化字段。这里使用“参数提取”节点，抽取订单号、商品名称、问题描述、客户诉求和情绪等级。

在开始节点后点击“+”，选择“参数提取”节点。节点名称改为“信息提取”，添加下面 6 个参数。如果某些字段不是必填，可以关闭“必填”。本节建议“问题描述”和“客户诉求”设为必填，其他字段设为非必填。展开“填写提示词”区域，粘贴下面的参数提取提示词。

参数提取提示词

参数提取测试输入

Step 6：添加意图识别节点，把问题路由到处理分支

参数提取解决的是“用户说了什么”，意图识别解决的是“这类问题应该走哪条处理路径”。本节设置 4 个意图：物流问题、支付退款问题、退换货售后问题、其他需人工处理。

在“信息提取”节点后点击“+”，选择“意图识别”节点，节点名称改为“识别售后问题类型”。输入变量选择 【系统变量】SYS.QUERY、SYS.CHATHISTORY，以及参数提取节点输出的【客户所遇问题】、【客户诉求】。添加下面 4 个意图，每个意图都填写名称、描述和示例。保存节点。

意图识别提示词

Step 7：搭建物流问题分支

先搭建第一条分支：物流问题。这个分支需要从知识库中检索物流相关规则，再生成处理策略。

在“物流问题”分支后添加“大模型知识问答”节点。

节点名称改为“检索物流处理规则”。

检索范围选择“按知识库”，选择默认知识库中的“电商售后政策与客服话术库”。

检索问题中插入参数提取节点的 【客户所遇问题】、【客户诉求】，以及用户输入 SYS.UserQuery。

在大模型知识问答节点后添加“大模型”节点，节点名称改为“生成物流处理策略”。

将大模型知识问答节点的【Answer】、参数提取结果和用户原始输入作为大模型节点输入。

粘贴下面的用户问题。

大模型知识问答｜物流分支

大模型节点系统提示词与用户提示词｜生成物流处理策略

Step 8：搭建支付退款问题分支

第二条分支处理支付和退款问题。它的关键是避免承诺“马上到账”，而是说明支付渠道和银行处理时间，并引导用户提供支付记录。（具体操作步骤类似Step7）

在“支付退款问题”分支后添加“大模型知识问答”节点，命名为“检索支付退款规则”。

检索范围同样选择默认知识库中的“电商售后政策与客服话术库”。

检索问题中插入用户输入、issue_description 和 customer_appeal。

添加“大模型”节点，命名为“生成支付退款处理策略”。

粘贴下面的提示词。

大模型知识问答 用户问题｜支付退款分支

大模型节点提示词｜生成支付退款处理策略

Step 9：搭建退换货售后问题分支

第三条分支处理商品质量、退货、换货、少件漏发等问题。它的重点是引导客户补充照片、视频、包裹面单等证据，并避免直接承诺审核结果。

在“退换货售后问题”分支后添加“大模型知识问答”节点，命名为“检索退换货售后规则”。

检索范围选择默认知识库中的售后政策文档。

添加“大模型”节点，命名为“生成退换货处理策略”。

粘贴下面的提示词。

大模型知识问答 Query｜退换货售后分支

大模型节点提示词｜生成退换货处理策略

Step 10：搭建其他需人工处理分支

第四条分支用于处理无法判断、投诉升级、赔偿争议、实时订单查询等问题。这类问题不适合继续由大模型自由回答，应明确引导转人工。

在“其他意图”分支后添加“大模型”节点。

节点名称改为“生成转人工说明”。

输入变量选择 SYS.QUERY、参数提取结果和对话历史。

粘贴下面的提示词。

大模型节点提示词｜生成转人工说明

注意：

建议开启【信息提取】节点的异常处理功能，异常处理方式选择“执行异常流程”，将其连接到【生成转人工说明】该节点。也可以选择“输出特定内容”，自定义流程异常时的输出内容。

Step 11：添加变量聚合节点，把四条分支合并回来

意图识别后只有一条分支会运行，其他分支的输出为空。为了让后续“最终回复生成”节点只写一次，而不是在四条分支里重复写四遍，需要用变量聚合节点把四条分支的处理策略合并成一个变量。

在四条分支后添加“变量聚合”节点。

节点名称改为“聚合处理策略”。

聚合变量名称填写 brancStrategy。

将四条分支都连接到变量聚合节点,把“生成物流处理策略”“生成支付退款处理策略”“生成退换货处理策略”“生成转人工说明”的输出变量都加入聚合列表。

Step 12：添加最终客服回复生成节点

分支处理策略是给系统看的中间结果，还不能直接发给客户。接下来添加一个最终大模型节点，把处理策略整理成“客户可读回复 + 内部处理建议”。

在“聚合处理策略”节点后添加“大模型”节点。

节点名称改为“生成最终客服回复”。

输入变量选择用户原始输入、参数提取结果、branch_strategy 和对话历史。

粘贴下面的提示词。

大模型节点提示词｜生成最终客服回复

Step 13：添加回复节点，并连接到结束节点

工作流中“大模型节点输出变量”不会自动显示到用户对话窗口。要让用户看到结果，必须添加“回复”节点。

在“生成最终客服回复”节点后添加“回复”节点。

节点名称改为“回复用户”。

回复内容选择“生成最终客服回复”的输出变量。

将“回复用户”节点连接到“结束”节点。

检查所有节点都已经连接，没有断开的线。

回复节点内容

Step 14：先做单节点调试，再做全流程调试

工作流不要等全部搭完才测试。建议按照“参数提取 → 意图识别 → 分支策略 → 最终回复”的顺序逐步调试。

Step 15：设置主工作流并发布应用

调试通过后，需要把刚才搭建的工作流设置为应用主工作流，然后发布到用户侧。

返回工作流管理页面，启用工作流。

回到应用设置界面，添加工作流，选择“售后诉求处理主流程”。

• 进入“应用发布”页面。

查看待发布变更项，确认包含主工作流、知识库、节点配置等内容。

填写版本说明，并点击“发布”。

发布完成后，复制分享链接，在新窗口从用户视角测试一次。

发布版本说明

测试：用这些问题检查工作流是否稳定

迁移练习：把售后客服换成自己的业务流程

完成本节跟练后，可以不改整体结构，只替换知识库、意图和提示词，把这个单工作流迁移到自己的业务场景。

本节小结

通过本节实战，你已经完成了一个单工作流模式应用从创建、编排、调试到发布的完整过程。与标准模式相比，单工作流模式更适合处理路径清晰、步骤固定、需要稳定执行的业务任务。本节的“电商售后客服处理助手”就是一个典型示例：用户输入售后诉求后，应用会按固定流程完成信息抽取、问题分类、知识检索、分支处理、结果汇总和最终回复生成。

在搭建过程中，你先准备了售后政策知识库，让后续回复有可依据的规则和话术；再通过参数提取节点，把用户的自然语言输入转成订单号、商品名称、问题描述、客户诉求、情绪等级等结构化字段；随后使用意图识别节点，将问题分流到物流、支付退款、退换货售后和其他需人工处理四类分支。每个分支都围绕对应场景生成处理策略，既提升了回复的针对性，也避免所有问题都走同一套泛化回答。

本节还重点练习了变量聚合、最终回复生成和回复节点的使用。变量聚合用于把不同分支重新汇总到统一链路，最终回复生成节点负责把中间处理策略转成客户可读的话术和内部处理建议，回复节点则确保结果能够真正展示到用户对话窗口。发布前，你需要按节点逐步调试，再做全流程测试，重点检查变量是否为空、分支是否正确、回复是否可直接给客户使用，以及是否存在编造订单状态、退款时间、赔偿金额或审核结论等风险。

后续迁移到真实业务场景时，可以沿用本节方法：先判断任务是否有固定流程，再明确输入字段、分支规则、知识资料、处理策略和输出格式。只要业务步骤可拆解、判断条件相对清晰，单工作流模式就可以帮助你把原本依赖人工经验的处理过程，沉淀成可复用、可调试、可发布的自动化应用。

3.4Multi-Agent 模式实战：内容创作助手

你将搭建什么？

这一节你将跟着页面一步一步搭建一个名为“客户方案共创助手”的 Multi-Agent 应用。它不是单个万能机器人，而是由多个专家 Agent 共同完成任务：主 Agent 负责接待和分发任务，行业调研 Agent 负责公开信息检索，方案设计 Agent 负责输出智能体方案，交付评审 Agent 负责检查落地风险。

完成后，用户只需要输入一个客户需求，例如“我想给零售客户做一个门店知识问答和工单处理助手”，应用就能根据任务类型自动选择合适的专家 Agent，并输出行业调研、方案设计或交付风险评审结果。

本节最终产物

• 一个 Multi-Agent 模式应用：客户方案共创助手。
• 一个主 Agent：方案接待与任务分发 Agent。
• 三个子 Agent：行业调研 Agent、智能体方案设计 Agent、交付风险评审 Agent。
• 两种协同方式：先体验自由转交，再用工作流编排实现更稳定的任务路由。
• 一组可直接复用的 Agent 提示词、转交描述、意图识别配置、测试问题和发布说明。

Step 1：创建 Multi-Agent 模式应用

先创建一个空的 Multi-Agent 应用。Multi-Agent 模式适合处理“一个用户目标需要多个专家协作”的场景，比如售前方案共创、投研分析、内容生产流水线、客户服务专家组、运营诊断等。

1. 进入 ADP 控制台，点击左侧菜单中的“应用开发”。
2. 点击“新建应用”。
3. 应用模式选择“Multi-Agent 模式”。
4. 填写应用名称、应用简介。头像可以先跳过，后续再补充。
5. 点击“新建”，进入 Multi-Agent 应用配置页面。

应用基础信息

Step 2：先确定多 Agent 分工

在真正配置前，先把应用中的角色分清楚。Multi-Agent 的关键不是“多建几个 Agent”，而是让每个 Agent 都有明确职责、清晰边界和可判断的转交条件。

Step 3：准备方案设计知识库素材

方案设计 Agent 需要稳定理解“什么时候用标准模式、什么时候用单工作流、什么时候用 Multi-Agent”。为了让它不要完全凭模型自由发挥，我们先准备一份小型知识库资料。

• 素材_智能体应用模式选择说明.docx

教学素材：素材_智能体应用模式选择说明.docx

1. 下载“素材_智能体应用模式选择说明.docx”。
2. 进入应用的知识库或知识管理页面，上传该文档。
3. 等待解析完成，并检查切分和识别效果。
4. 后续在“智能体方案设计 Agent”中保留知识库插件或选择该知识库。

Step 4：配置主 Agent：方案接待与任务分发 Agent

主 Agent 的任务不是回答所有问题，而是先理解用户到底要什么，然后把任务交给合适的专家。主 Agent 的提示词一定要强调“先判断、再追问、再转交”，否则它容易自己直接回答，导致子 Agent 没有被调用。

进入 Agent 管理页面，选择默认 Agent ，在系统提示词中粘贴下面的内容，填写转交描述。

主 Agent 提示词

主 Agent 转交描述

Step 5：配置子 Agent 1：行业调研 Agent

行业调研 Agent 负责调用公开搜索能力，帮助用户快速了解某个行业、客户或场景的公开信息。这里建议添加“混元 AI 搜索”或平台可用的搜索类插件。点击“添加 Agent”，Agent 名称填写“行业调研 Agent”，点击“添加插件”，搜索并添加“混元 AI 搜索”工具。

粘贴下面的系统提示词。填写转交描述。

行业调研 Agent 系统提示词

行业调研 Agent 转交描述

单 Agent 调试问题

Step 6：配置子 Agent 2：智能体方案设计 Agent

方案设计 Agent 是本应用最核心的专家。它负责把用户的业务需求转成可落地的 ADP 应用方案，包括选择应用模式、拆解流程、规划知识库、插件、测试集和演示路径。

1. 点击“添加 Agent”，Agent 名称填写“智能体方案设计 Agent”，添加知识库问答工具。
2. 粘贴下面的系统提示词，填写转交描述。

智能体方案设计 Agent 系统提示词

智能体方案设计 Agent 转交描述

单 Agent 调试问题

Step 7：配置子 Agent 3：交付风险评审 Agent

交付风险评审 Agent 用来模拟项目上线前的“评审专家”。它不是重新设计方案，而是检查方案哪里可能不稳定、哪里需要补资料、哪里需要客户确认。点击“添加 Agent”，Agent 名称填写“交付风险评审 Agent”，添加知识库问答。

粘贴下面的系统提示词，填写转交描述。

交付风险评审 Agent 系统提示词

交付风险评审 Agent 转交描述

单 Agent 调试问题

Step 8：配置 Agent 转交关系

自由转交模式下，Agent 会根据转交描述和转交关系判断是否把任务交给其他 Agent。这里要同时配置“转交描述”和“允许转交对象”。

进入 Agent 协同或转交关系配置区域，为主 Agent 勾选三个子 Agent，为每个子 Agent 至少勾选主 Agent。如果希望“方案设计后可以进入风险评审”，可以允许方案设计 Agent 转交给交付风险评审 Agent。保存配置。

Step 9：先用自由转交调试 Multi-Agent 效果

完成 Agent 和转交关系后，先不要急着做工作流编排。我们先体验自由转交，让学员理解 Multi-Agent 会如何根据任务自主调度。

自由转交测试问题

向用户确认清楚需求后，主Agent将任务转交给【智能体方案设计Agent】，输出设计方案。

Step 10：切换为工作流编排，让任务路由更稳定

接下来把协同方式从自由转交切换为“工作流编排”。这样做的目的，是用工作流中的意图识别节点来决定调用哪个 Agent，提升稳定性和可控性。

1. 进入应用的“Agent 协同方式”设置，选择“工作流编排”，进入工作流管理，点击“新建工作流”。
2. 工作流名称填写“方案任务分发”。工作流描述填写：根据用户输入识别任务类型，并调用对应专家 Agent 输出行业调研、方案设计、风险评审或完整方案。

工作流基础信息

Step 11：添加意图识别节点

这个工作流的第一步是判断用户到底要什么。我们用意图识别节点把用户请求分成四类：行业调研、方案设计、风险评审、完整方案。

在开始节点后点击“+”，添加“意图识别”节点。输入变量选择系统变量中的 SYS.UserQuery和SYS.ChatHistory，用于理解上下文。按照下面的配置新增 4 个意图。

意图识别补充提示词

Step 12：为每个意图分支添加 Agent 节点

意图识别完成后，每条分支都要调用对应的 Agent。这里的 Agent 节点就是把前面创建的专家 Agent 接入工作流。

1. 在“行业调研”分支后添加 Agent 节点，选择“行业调研 Agent”。
2. 在“方案设计”分支后添加 Agent 节点，选择“智能体方案设计 Agent”。
3. 在“风险评审”分支后添加 Agent 节点，选择“交付风险评审 Agent”。
4. 每个 Agent 节点的输入都传入SYS.UserQuery和SYS.ChatHistory。

Step 13：配置“完整方案”分支：串联多个 Agent

完整方案不是一个 Agent 单独完成，而是先做行业调研，再做方案设计，最后做交付风险评审。这样能让学员理解 Multi-Agent 与工作流结合后的优势：既有专家分工，又有稳定流程。

1. 在“完整方案”分支后，先添加 Agent 节点，选择“行业调研 Agent”。
2. 在行业调研 Agent 后继续添加 Agent 节点，选择“智能体方案设计 Agent”。
3. 方案设计 Agent 的输入中，除了用户原始问题，还要引用行业调研 Agent 的输出。
4. 在方案设计 Agent 后继续添加 Agent 节点，选择“交付风险评审 Agent”。
5. 风险评审 Agent 的输入中，引用用户原始问题、行业调研输出和方案设计输出。
6. 最后添加一个大模型节点或回复节点，把三段结果整理成最终方案。

完整方案分支｜最终汇总提示词

Step 14：添加变量聚合和回复节点

前面四个分支最终都会产生一个结果。为了让用户在对话窗口看到输出，需要把各分支结果汇总到同一个回复节点。

1. 在四条分支的末尾添加“变量聚合”节点。
2. 把行业调研分支、方案设计分支、风险评审分支、完整方案分支的最终输出都加入聚合变量。
3. 变量聚合的作用是从多条分支中取非空输出。
4. 在变量聚合后添加“回复”节点。
5. 回复节点内容选择变量聚合的输出。
6. 将回复节点连接到结束节点。
7. 为意图识别的“其他意图”分支添加回复节点，进行兜底回复。

Step 15：调试工作流编排效果

现在用测试集验证每个分支是否能准确路由，并检查输出是否符合对应 Agent 的职责。

Step 16：配置欢迎语和示例问题

Multi-Agent 应用更需要清晰的开场引导。用户需要知道自己可以选择“调研、设计、评审、完整方案”这几种任务。

欢迎语

示例问题

配置完成后，可以清空历史对话记录，看欢迎语和示例问题是否显示。如果没有显示，可以尝试刷新一下页面。

Step 17：发布应用

调试通过后，将应用发布为用户可访问的版本。每次修改 Agent 提示词、插件、工作流或欢迎语后，都需要重新发布，用户侧才能看到最新效果。

1. 进入“应用发布”页面。
2. 查看待发布变更项，确认包含 Agent 配置、插件、知识库、工作流、欢迎语和示例问题。
3. 填写版本说明。
4. 点击“发布”。
5. 发布完成后，复制分享链接。
6. 用用户视角打开分享链接，再测试一遍示例问题。

发布版本说明

最终效果：你应该看到这些回答

下面是用来进行测试的case。

测试case

课后练习：把专家组换成自己的业务场景

完成本节跟练后，可以保持 Multi-Agent 结构不变，只替换 Agent 角色、知识库和示例问题，迁移到自己的业务场景。

3.5Claw 模式实战

基于 Claw 模式创建“数据分析助手”和“活动运营物料生成助手”

你将搭建什么？

这一节你将主要创建 Claw 模式应用。首先，以“数据分析助手”为例，进行实战。

用户上传 Excel 或 CSV 文件后，可以用自然语言提出分析需求。这个助手会帮助用户完成数据清洗、统计分析、报表生成和自然语言查数。

Claw 模式适合处理这类过程相对开放、结果需要形成文件或多类产物的任务。它拥有独立工作空间，可以自主规划实现路径，也可以根据任务需要生成文档、网页草稿或其他交付文件。

你将得到什么？

完成本节后，你将具备使用 Claw 模式搭建开放型任务应用的基础能力，并能判断哪些场景适合用 Claw 承载。

• 你将完成两个 Claw 模式应用的实战搭建：一个是“数据分析助手”，另一个是面向活动策划和内容产出的“活动运营物料生成助手”。
• 你将理解 Claw 模式的适用边界：它适合处理路径不完全固定、需要自主规划、需要读取文件、生成文件或输出多类交付物的任务。
• 你将掌握 Claw 应用的基础配置流程：新建应用、设置 Agent、配置模型与提示词、添加必要的 Skills、工具或连接器、设置欢迎语和对话体验。
• 你将学会用提示词约束 Claw 应用的工作方式，例如先检查数据质量、说明统计口径、不编造数据、不覆盖原始文件，以及对品牌、价格、权益和合规内容提示人工确认。
• 你将掌握 Claw 应用的调试方法：先用典型任务验证提示词是否生效，再通过模型对比查看不同配置在结构完整度、数据计算、文件生成和限制遵守方面的差异。
• 你将形成迁移方法：如果任务需要生成报表、网页草稿、活动物料、分析文件或其他可下载交付物，可以先用 Claw 模式完成应用初稿，再根据实际业务场景调整提示词、Skills、工具和测试问题。

3.5.1 开始前准备

• 已注册腾讯云账号并完成实名认证。
• 可以进入智能体开发平台。
• 本节可使用示例文件“销售明细表.xlsx”，也可以替换成自己的业务数据。

• 下载示例文件：销售明细表.xlsx

• 字段说明：

3.5.2 操作路径

本节按照四个步骤完成应用搭建：新建应用、设置应用、调试应用、发布应用。

Step 1：新建 Claw 模式应用

创建 Claw 应用有两种方式：可以在应用开发页面手动新建，也可以从智能工作台通过对话创建。你可以任选其中一种方式完成。

方式一：在应用开发页面新建应用

前往智能体开发平台，在左侧菜单栏单击“应用开发”，单击“新建应用”。应用名称填写“数据分析助手”，应用模式选择“Claw 模式”，单击“新建”，完成应用创建。

方式二：从智能工作台对话创建应用

在左侧导航栏单击“智能工作台”，在对话框中输入你的应用创建需求，并根据智能工作台的追问补充应用目标和能力范围。应用创建完成后，单击完成卡片中的“前往应用开发”。进入 Claw 应用开发页面后，检查生成的应用配置初稿。

智能工作台应用创建需求

学习重点：如果你希望完整理解每个配置项，建议先使用方式一手动创建；如果你希望快速生成初稿，可以使用方式二。

Step 2：设置应用

应用创建成功后，需要继续完善应用设置。这里主要完成三类配置：设置 Agent、设置欢迎语、设置对话体验。

2.1 设置 Agent

（1）模型

模型会影响 Claw 应用理解任务、规划步骤和生成内容的能力。首次跟练时，建议先使用平台默认推荐模型完成测试；如果效果不稳定，再使用模型对比调试。

1. 在 Agent 设置区域单击“模型”。
2. 查看当前模型和参数（首次跟练可保持默认参数，也可自行调节。可将鼠标悬浮到各模块旁的“？”图标，查看参数说明）。优先选择适合复杂任务规划和内容生成的模型。

（2）提示词

提示词决定这个助手如何理解活动需求、如何规划物料、如何输出结果，以及哪些内容需要提醒用户人工确认。

1. 进入提示词配置区域，复制下面的提示词，将其粘贴到系统提示词输入框。
2. 如果使用“AI 一键优化”，优化后检查任务目标、工作方式和限制说明是否完整。

Agent提示词

（3）Skills

Skills 更像“可复用的专业做事方法”。当你希望应用掌握一类成体系的任务能力，例如按固定框架生成活动文案、整理成文档、检查营销合规表述或生成 HTML 页面草稿时，优先考虑使用 Skills。

在技能配置区域单击“添加”，从内置 Skills 或自定义 Skills 中选择需要的能力。优先选择文档创作、SVG可视化等相关 Skills。

（4）工具与连接器

工具与连接器更像“对外部系统或具体动作的调用入口”。当应用需要搜索公开信息、读取企业素材库、发送协同通知、创建任务或调用业务系统时，优先考虑使用工具。本案例可选择搜索与获取类工具或连接器，也可以先不配置工具和连接器，完成基础内容生成跟练。

1. 在工具配置区域单击“添加”。
2. 从内置工具和自定义工具中选择需要的工具。
3. 如果需要补充公开活动趋势或行业信息，可以添加搜索类工具。
4. 如果需要读取品牌规范、产品素材或历史活动案例，可以添加企业素材库、文档系统或相关连接工具。

2.5 设置欢迎语

欢迎语会展示在用户开始对话的位置。好的欢迎语可以告诉用户这个助手能做什么，也能降低用户第一次提问的门槛。

欢迎语

2.6 设置对话体验

你可以在对话体验中设置聊天背景，让用户打开应用时获得更一致的视觉体验。

Step 3：调试应用

完成配置后，在右侧调试区域测试应用效果。本节重点完成两类调试：提示词调试与对比调试。

3.1 提示词调试

先用完整活动需求测试一次，观察助手是否能按预期生成多类活动物料。

上传示例文件“销售明细表.xlsx”，输入测试问题。检查助手是否基于真实字段计算销售额、订单量、客单价、退款率等指标，是否说明统计口径。

测试问题1

测试问题2

测试问题3

3.2 模型对比调试

如果你希望比较不同模型或参数的效果，可以使用对比调试。对比时尽量使用同一个活动 Brief，这样更容易判断差异。

1. 在调试区域点击右上角“对比调试”。
2. 选择 2-3 组不同模型或参数配置。
3. 输入同一个活动 Brief。
4. 可以从结构完整度、报表质量等维度对比结果，保留最稳定、最符合业务要求的一组配置。

Step 4：发布应用

当调试结果达到预期后，就可以发布应用。发布后可以查看服务状态，也可以按需要获取 API 调用凭证或配置发布渠道。

1. 在应用页面单击“发布”。
2. 填写发布说明，例如：“新增活动运营物料生成能力，支持多渠道文案和 HTML 落地页草稿生成。”
3. 发布后使用一组标准测试问题完成线上验证。

3.5.3 发布前检查

3.6.4 Claw 模式应用实战2：活动运营物料生成助手。

用户只需要输入一段活动需求，例如新品发布、节日促销、会员召回或线上直播，这个助手就能帮助用户梳理活动目标，生成活动主题、核心卖点、海报文案、短信/企微话术、公众号推文大纲、HTML 落地页草稿和执行检查清单。

• 准备一个简单活动 Brief。没有真实活动也可以使用本节提供的示例。

示例活动 Brief：

我们要做一场面向中小企业老板的 AI 办公工具线上直播活动，目标是引导用户预约产品演示。

活动时间是 8 月下旬，主要渠道包括海报、企微、公众号和落地页。

产品卖点包括：自动总结会议纪要、生成日报周报、整理客户跟进记录、降低重复办公时间。

Agent提示词

优先选择文档创作、SVG可视化等相关 Skills。本案例可选择搜索与获取类工具或连接器，也可以先不配置工具和连接器，完成基础内容生成跟练。

欢迎语

提示词调试

先用完整活动需求测试一次，观察助手是否能按预期生成多类活动物料。

1. 在右侧调试区域输入测试问题 1。
2. 观察助手是否先复述活动目标，并列出物料清单。
3. 检查输出是否包含活动主题、核心卖点、海报文案、企微话术、公众号推文大纲和执行检查清单。
4. 继续输入测试问题 2，检查助手是否能生成 HTML 落地页草稿。
5. 继续输入测试问题 3，检查助手是否能识别需要人工确认的内容。

测试问题1

测试问题2

测试问题3

模型对比调试

如果你希望比较不同模型或参数的效果，可以使用对比调试。对比时尽量使用同一个活动 Brief，这样更容易判断差异。

1. 在调试区域点击右上角“对比调试”。
2. 选择 2-3 组不同模型或参数配置。
3. 输入同一个活动 Brief。
4. 可以从结构完整度、文案可用性、HTML 草稿质量、限制遵守情况四个维度对比结果，保留最稳定、最符合业务要求的一组配置。

发布提醒：活动物料生成结果在正式对外使用前，仍需要人工确认品牌规范、价格权益、活动链接和合规条款。

3.5.5 练习：换成你的业务场景

以活动运营物料生成助手为例。现在你可以把示例活动换成自己的业务场景。先填写下面的信息，再把整理后的需求发送给你的 Claw 应用。

请为我规划一场线上直播活动。

目标人群：中小企业老板
转化目标：预约产品演示
活动时间：8 月下旬
主要渠道：海报、企微、公众号、落地页
需要输出：活动主题、核心卖点、海报文案、企微话术、公众号大纲、HTML 落地页草稿、执行检查清单
品牌语气：专业、可信、清晰
人工确认项：价格、权益、品牌规范、合规条款、活动链接

工作要求：
1. 先检查需求是否完整；缺少关键信息时先追问。
2. 先给出活动策略和核心卖点，再按渠道生成物料。
3. HTML 落地页草稿需结构清晰、便于继续编辑。
4. 不要编造产品能力；信息不足时先追问；正式对外使用前提醒人工复核。

也可以自己尝试使用claw模式创建其他场景下的应用。

3.5.6 小结

Claw 模式适合处理开放度较高、需要自主规划并形成交付物的任务。本节通过“数据分析助手”和“活动运营物料生成助手”完成了一次完整实战：从新建应用、设置应用，到调试应用和发布应用。

• 新建应用可以从应用开发页面开始，也可以从智能工作台通过对话创建。
• 设置应用时，重点完成 Agent、欢迎语和对话体验。
• Agent 设置中，模型、提示词、Skills 和工具会共同影响应用效果。
• 调试时先看提示词是否让应用按预期工作，再用模型对比选择更稳定的配置。
• 发布后可以查看服务状态，并按需要配置 API 或发布渠道。

3.6智能工作台实战

导入

前面几节已经分别完成了标准模式、单工作流模式、Multi-Agent 模式和 Claw 模式的实战。它们更偏向“创建一个可复用的应用”：标准模式用于稳定问答，单工作流模式用于固定流程，Multi-Agent 模式用于多角色协作，Claw 模式用于开放任务和文件交付。智能工作台则更像一个即时可用的工作入口，适合先用自然语言把任务做起来，再根据任务是否高频、是否固定、是否需要对外服务，判断是否沉淀成应用、工作流或定时任务。

本节将从智能工作台的对话功能开始，带你了解如何上传文件、选择模型、引用 Skills、配置工具和知识库，并在工作区中查看、编辑和下载产物。随后，你会继续学习远程终端渠道和定时任务，理解如何把智能工作台从“网页里的助手”扩展到微信、企业微信等终端，并让它在指定时间自动执行例行任务。学习重点不是单个按钮的位置，而是掌握智能工作台适合处理什么任务、如何组织输入材料、如何检查生成结果，以及如何把一次性任务沉淀为可持续运行的自动化能力。

你将做什么

本节你将围绕智能工作台完成三类实战操作。

第一类是使用智能工作台完成对话式任务。你将进入智能工作台页面，创建新任务，上传任务所需的文件，按需选择模型、Skills、工具、连接器和知识库，并通过自然语言描述要完成的目标。示例中，你会基于“智能工作台”生成周报 PPT，并在工作区中预览、下载生成的文件。

第二类是配置远程终端渠道。你将了解智能工作台如何接入企业微信智能机器人和微信渠道，学习通过扫码授权或手动配置完成渠道绑定，并在智能工作台中查看不同终端会话、重命名会话、继续对话和查看历史产物。

第三类是创建和管理定时任务。你将学习通过自然语言和手动创建两种方式设置定时任务，例如“每天早上 9 点生成一份昨日数据摘要，保存为一个 Word 文档”。同时，你会了解任务名称、提示词、模型、文件夹、执行频率、推送渠道等配置项，并学习如何立即执行、暂停、编辑、删除任务，以及查看历史运行日志。

你将得到什么

• 完成本节后，你将具备使用智能工作台处理真实办公任务的基础能力。
• 你将理解智能工作台的定位：它不是单纯的聊天窗口，而是可以结合文件、知识库、工具、Skills 和连接器完成复杂任务的一站式工作入口。
• 你将掌握对话式任务的基本流程：创建任务、上传文件、描述目标、等待执行、查看产物、在工作区预览和下载文件。
• 你将了解工作区的作用：可以查看生成文件、预览 HTML 页面、编辑文本类文件，并在需要时把产物保存到知识库。
• 你将掌握远程终端渠道的使用方式：通过微信或企业微信与智能工作台对话，并在智能工作台中查看终端会话、产物和历史记录。
• 你将学会创建定时任务：既可以用自然语言生成任务配置，也可以通过表单手动设置执行频率、模型、文件夹和结果推送渠道。
• 你将形成一个判断方法：临时性、探索性、文件处理类任务可以优先使用智能工作台；如果任务流程稳定、需要反复执行，则可以进一步沉淀为定时任务、应用或工作流。

3.6.1 对话功能

（1）对话功能概述

智能工作台是面向使用腾讯云智能体开发平台的企业员工的一站式助手。它能连接企业知识库与多种工具，满足企业中定制化的需求。能够满足复杂场景需要，生成任务规划并按任务列表执行，自动完成复杂工作流程，无需手动创建智能体或工作流，开箱即用。

进入腾讯云智能体开发平台，点击侧边栏中的”智能工作台”即可进入对话页面。您可以在对话框中输入任务描述，内置智能体会自动拆解任务并逐步完成。此外，您还能在任务列表区查看历史任务，进行进一步优化。

• 文件上传：内置智能体可参考您上传的文档执行任务，支持上传图片、文档或腾讯文档。
• 模型设置：可选择智能工作台中内置的模型，包括 GLM-5.1、GLM-5、Kimi K2.5、MiniMax M2.5、DeepSeek V4 Flash 等。调用模型会消耗 PU 资源，各模型消耗不同。
• Skills 列表：Skills 列表中展示当前智能工作台可使用的 Skills，点击后可快速引用。可以添加或删除当前空间的智能工作台使用的 Skills，支持添加平台官方 Skills 、企业共享 Skills 或自定义 Skills。平台已预置常用 Skills，预置 Skills 不可删除。
• 连接器配置：您可启用连接器以接入第三方 SaaS 或企业系统，获取或操作用户授权范围内的业务数据。
• 工具配置：您可配置工作台使用的工具。系统已预置常用工具，预置工具不可删除。
• 添加知识库：支持在权限范围内选择知识库进行对话，模型可参考您的企业知识完成任务。
• 选择文件夹： 您可以选择一个在之前任务中创建的文件夹，或选择一个空文件夹来执行任务。当您选择特定文件夹时，智能体可以读取其中的现有文件，并在此基础上进行完善和修改。
• 在输入框中，支持您使用 “@” 键快捷输入某一工具或技能。

（2）任务列表

任务列表存储了过去执行的任务，包括完整的任务对话与流程。您可以点击列表中的具体任务查看交付物，并直接下载生成的文件。支持新建任务、删除或重命名现有任务。

（3）工作区

工作区是指代码被创建、执行、修改和删除的集成开发环境，您可在此预览 AI 生成的文件。

• 打开工作区：单击页面右上角的工作区按钮，在侧边栏中弹出工作区。

• 预览工作区文件：您可预览工作区的项目结构与代码，支持预览 HTML 网页。

• 下载：可以下载文件列表中的全部或单个文件，用于您本地测试、部署和开发。

• 编辑：支持在线编辑 md、txt、json 等文本格式文件。

• 说明：编辑文件后，模型可能使用历史文件版本的记忆，影响后续产出。建议和模型对话时明确说明已更新文件。

• 支持 Markdown 双屏编辑，左侧编写源码，右侧实时预览。编辑完成后，请单击保存修改。

• 保存到知识库：支持将产物保存到知识库。

（4）实战-基于“智能工作台”生成周报 PPT

step1：单击 新建任务 在智能工作台中创建一条新任务。

step2：添加周报文件与技能文件，如下图：

step3：等待模型输出。

step4：单击 PPT，进行下载。

您可以在工作区中预览生成的文档。

3.6.2 远程终端渠道

通过智能工作台的远程终端渠道您可以随时随地和智能工作台对话，支持企业微信智能机器人、微信。

您可在智能工作台查看远程终端渠道的对话记录、产物，并继续对话。

（1）渠道设置

进入 智能工作台，单击远程终端旁的 渠道设置。

a.企业微信智能机器人

企业微信智能机器人渠道，单击配置。需要填入 Bot ID 、Secret 并保存，完成渠道配置。

• 您可以通过扫码授权 或 手动配置两种方式获取 Bot ID 、Secret。推荐使用扫码授权方式，可快速完成渠道对接。

• 说明：若您拥有多个空间权限，各空间的远程终端渠道可单独配置。但请注意：一个企业微信智能机器人只能绑定一个智能工作台，新的连接会覆盖并导致旧的连接失效。

方式一：扫码授权（推荐）

页面找到并点击链接，使用企业微信扫码，支持一键创建机器人后将 Bot ID 、Secret 授权给智能体开发平台。

方式二：手动配置

第一阶段：创建机器人。 1. 登录企业微信客户端，进入工作台。选择智能机器人。（也可以通过搜索找到智能机器人）

单击创建智能机器人，选择** API 模式创建**。

选择“通过长链接配置”，获取 Bot ID 、Secret ，并保存机器人。

b.微信渠道

找到渠道设置并单击配置。

使用手机微信扫描下方二维码，即可进入微信 Clawbot 窗口对话。

说明：

二维码有效期120秒，请在有效期内完成扫码。

若您拥有多个空间权限，各空间的远程终端渠道可单独配置。但请注意：一个微信号只能绑定一个智能工作台，新的连接会覆盖并导致旧的连接失效。

（2）对话功能

• 查看会话：如您在多个单聊、群聊中使用绑定的远程终端，可在右侧列表中展开不同的会话。

• 会话标题：会话标题按聊天对象 ID 自动生成，点击重命名可修改为方便记忆的名称。

• 继续对话：您可在智能工作台与任意会话继续对话，对话内容保持连贯，但回复仅在智能工作台可见，不会同步到原终端。

多渠道不是只换一个入口

3.6.3 定时任务

（1）概述

定时任务让您的智能工作台可以在无人值守的情况下自动执行任务，支持例行报告生成、巡检提醒、周期性数据处理等场景。您可以通过手动创建或自然语言对话两种方式创建定时任务，并将执行结果推送到微信或企业微信机器人。

a.典型使用场景

• 例行任务自动化：每天自动整理待办、汇总数据。
• 提醒与巡检：定时检查系统状态、发送提醒消息。
• 报告自动生成：每周定时生成数据报告并推送。
• 应用触发器：定时调用一个已有的应用。

b.前提与限制

在开始之前，请了解以下规则： - 定时任务运行时技能、连接器、工具使用当前用户工作台的全局配置，模型和文件夹可以在每个定时任务中单独设置。

• 定时任务的最小执行间隔为 1 小时。

（2）实战-创建定时任务

定时任务支持两种创建方式：自然语言生成 和手动创建。

方式一：自然语言生成

您可以在智能工作台任意对话中，用自然语言描述需求，AI 将自动为您创建定时任务。

示例指令：

我想设置一个定时任务，每天早上 9 点生成一份昨日数据摘要，保存为一个 Word 文档。

AI 将根据您的描述自动填充以下内容： - 任务名称

• 提示词
• 定时执行频率
• 创建完成后，AI 会向您完整确认所有配置内容，您可以在定时任务列表中查看和管理。

说明：

• 在远程终端中创建的定时任务，定时任务执行结果会自动推送到创建任务的终端会话中。
• 在工作台会话中的定时任务，执行结果仅推送到工作台。
• 其他自然语言操作：
• 查询定时任务列表：查看我的定时任务
• 暂停任务：暂停 XXX 定时任务

方式二：手动创建

单击新建任务，选择手动创建。

在弹窗表单中填写以下信息：

• 配置项
  • 任务名称
    • 为该定时任务起一个易于识别的名称。
  • 提示词
    • 任务执行时发送给 AI 的指令内容，支持 @ 已安装的 Skill 和工具。
  • 模型
    • 选择本次定时任务使用的 AI 模型。
  • 文件夹
    • 当您选择特定文件夹时，智能体可以读取其中的现有文件，并在此基础上进行完善和修改。
  • 定时执行频率
    • 每天：指定时间（hh:mm）。
    • 每周：勾选一个或多个星期几，并指定时间（hh:mm）。
    • 按间隔：从某时刻开始，每隔 x 小时执行一次（最小 1 小时）。
    • 一次性：指定某个具体日期和时间，仅执行一次。
    • Cron 表达式：输入标准 Cron 表达式，灵活自定义执行周期，建议通过自然语言生成。
  • 任务结果推送渠道

可将任务运行结果推送到已绑定的微信、企业微信机器人渠道的指定会话。- 若您尚未绑定对应渠道，该选项将置灰禁用，请先完成渠道绑定。- 若不推送，任务结果仅展示在智能工作台页面中。- 微信 / 企业微信仅用于接收定时任务的结果，不支持基于该消息继续对话。- 企业微信机器人可能同时存在于多个私聊 / 群聊中，每个定时任务只能推送到一个指定会话；如需推送多处，请分别创建多个定时任务。

配置完成后，单击保存，任务将自动加入定时任务列表并按计划运行。

（3）查看和管理定时任务

a.定时任务列表

在定时任务入口，右侧面板展示所有任务列表：

每条任务提供以下操作按钮：

b.查看历史运行日志

点击任意定时任务，进入详情页，展示该任务的历史运行日志：

点击某条历史日志，可切换到对应的对话记录，查看 AI 的完整输出。每条历史记录相互独立，且支持在该记录基础上继续对话。

运行中且至少触发过一次的定时任务，会在工作台左侧栏的定时任务中固定显示，每行对应一个定时任务。

3.7.4 小结

通过本节学习，你已经了解了智能工作台在 ADP 中的使用方式。它更像一个面向日常工作的智能执行入口：你可以直接用自然语言提出任务，也可以上传文件、引用知识库、选择 Skills 和工具，让智能工作台根据任务目标进行规划和执行，并在工作区中生成可预览、可编辑、可下载的交付物。

后续在真实工作中，可以先用智能工作台快速完成一次任务验证：如果只是临时分析或临时生成文件，保留在工作台即可；如果任务需要定期执行，可以配置为定时任务；如果任务需要稳定对外提供服务，再考虑沉淀为标准模式应用、单工作流应用或更复杂的智能体方案。