Agent

模型能够自主推理、决策并使用工具的对话式应用

本文档由 AI 自动翻译。如有任何不准确之处，请参考 英文原版。

Agent 是一种对话式应用，模型可以在需要时使用工具来完成用户的请求。

当你希望模型利用可用工具自主决定如何处理任务，但无需设计多步工作流时，可以使用 Agent。例如，构建一个数据分析助手，能够自动获取实时数据、生成图表并总结发现。

Agent 每次对话最多保留 500 条消息或 2,000 token 的历史记录。超出任一限制后，最早的消息将被移除以为新消息腾出空间。

Agent 支持对话开场白、后续建议等可选功能。详见 应用工具箱。

​

配置

​

编写提示词

提示词告诉模型该做什么、如何回应以及需要遵循的约束条件。对于 Agent，提示词还应该指导模型如何推理任务以及何时使用工具，因此需要明确描述你期望的工作流程。

以下是编写有效提示词的一些技巧：

• 定义角色：描述模型应扮演的角色及其应运用的专业知识。

• 指定输出格式：描述你期望的结构、长度或风格。

• 设定约束：告诉模型应避免什么或遵循什么规则。

• 引导工具使用：提及具体工具名称，并描述何时应使用它们。

  

• 概述工作流程：将复杂任务拆分为模型应遵循的逻辑步骤。

​

使用变量创建动态提示词

为了让 Agent 适应不同用户或场景而无需每次重写提示词，可以添加变量来预先收集必要的信息。

变量是提示词中的占位符。每个变量都会显示为一个输入字段，用户在对话开始前填写，其值在运行时注入提示词。用户也可以在对话过程中更新变量值，提示词会随之调整。

例如，数据分析 Agent 可以使用 domain 变量，让用户指定关注的领域：

你是一名专注于 {{domain}} 领域的数据分析师。帮助用户探索和理解他们的数据。

收到问题后，使用可用的数据工具获取相关信息。如果结果适合可视化展示，请生成图表。用通俗易懂的语言解释你的发现。

回答要简洁。如果问题模糊，请在获取数据前先确认。

编写提示词时，输入 / > 添加新变量 即可快速插入命名占位符。你可以稍后在 变量 部分配置其详细信息。

选择与预期输入匹配的变量类型：

文本

接受最多 256 个字符。适用于姓名、电子邮件地址、标题或任何适合单行显示的简短文本输入。

段落

允许无长度限制的长文本输入，为用户提供多行文本区域以输入详细描述。

下拉选项

显示带有预定义选项的下拉菜单。

数字

仅接受数字输入，适用于数量、评分、ID 或任何需要数学处理的数据。

复选框

提供简单的是/否选项。用户勾选时输出为 true，否则为 false。适用于确认或任何需要二选一的场景。

基于 API 的变量

在运行时从外部 API 获取变量值，而非由用户输入。

当提示词需要来自外部来源的动态数据（如实时天气状况或数据库记录）时使用。详见 自定义端点。

显示名称 是终端用户看到的每个输入字段的名称。

​

使用 AI 生成或改进提示词

如果不确定从何开始或想优化现有提示词，点击 生成 让 LLM 帮助你起草。

从零开始描述你的需求，或引用 current_prompt 并指定需要改进的内容。要获得更精准的结果，可以在 理想输出 中添加示例。

每次生成都会保存为一个版本，因此你可以自由尝试和回滚。

​

使用 Dify 工具扩展 Agent

添加 Dify 工具，使模型能够与外部服务和 API 交互，执行文本生成之外的任务，如获取实时数据、搜索网页或查询数据库。

模型会根据每个查询决定何时使用以及使用哪些工具。要更精确地引导工具使用，可在提示词中提及具体工具名称，并描述何时应使用它们。

你可以禁用或移除已添加的工具，也可以修改其配置。如果工具需要认证，选择已有凭证或创建新凭证。

要更改默认凭证，前往 集成 > 工具 > 工具插件。

​

最大迭代次数

Agent 设置 中的 最大迭代次数 限制了模型在单次请求中可以重复推理 - 行动循环（思考、调用工具、处理结果）的次数。

对于需要多次工具调用的复杂多步任务，可以增大此值。较高的值会增加延迟和 token 消耗。

​

基于你的数据生成回复

要让模型的回复基于你自己的数据而非通用知识，可以添加知识库。

模型会评估每条用户查询与知识库描述的相关性，并决定是否需要检索。你无需在提示词中提及知识库。

知识库描述越详细，模型判断相关性就越准确，从而实现更精准的检索。

Agent 应用没有应用级检索设置。每个知识库都使用各自配置的设置独立检索。添加多个知识库时，由 Agent 决定查询哪些，也不会跨知识库对结果重排序。

​

在特定文档中搜索

默认情况下，检索会在整个知识库中进行。要将检索限制在特定文档中，可启用手动或自动元数据过滤。

这可以提高检索精度，特别是当知识库较大或包含不同场景的内容时。

关于创建和管理文档元数据，详见 元数据。

​

处理多模态输入

要允许终端用户上传文件，需选择具有相应多模态能力的模型。相关文件类型开关（视觉、音频 或 文档）会在模型支持时显示，你可以根据需要启用。

你可以通过模型的标签快速识别其支持的模态。

点击 视觉 的 设置 配置文件的接受和处理方式。上传设置适用于所有已启用的文件类型。

• 分辨率：仅控制 图片 处理的细节级别。

  • 高：对复杂图片有更高的准确性，但消耗更多 token

  • 低：对简单图片处理更快，消耗更少 token

• 上传方式：选择用户是通过设备上传、粘贴 URL 还是两者兼可。

• 上传数量限制：用户每条消息可上传的最大文件数量。

​

调试与预览

在右侧的预览面板中，实时测试你的 Agent。选择一个模型，输入消息并发送，查看 Agent 的响应。

你可以调整模型参数来控制生成方式。可用参数和预设因模型而异。

要比较不同模型的输出，点击 多个模型进行调试 同时运行最多 4 个模型。

我们建议选择 推理能力强 且 原生支持工具调用 的模型。

为什么这很重要

Agent 需要判断何时使用工具、哪个工具适合当前任务，以及如何解读结果，这取决于模型的推理能力。具有内置工具调用支持的模型在执行这些决策时也更加可靠。

你可以在 Agent 设置 中确认模型的工具调用支持，系统会自动显示其 Agent 模式：

• Function Calling 适用于原生支持的模型，意味着它们可以直接调用工具。

• ReAct 适用于其他模型，Dify 通过提示词策略引导它们使用工具。

​

发布

对结果满意后，点击 发布 使应用可用。详见 发布 了解完整的发布选项。