Agent

Agent 模块充当您的工作流与大型语言模型 (LLMs) 之间的接口。它针对各种 AI 提供商执行推理请求，根据定义的指令处理自然语言输入，并生成结构化或非结构化的输出供下游使用。

概述

Agent 模块使您能够：

处理自然语言：分析用户输入并生成上下文响应

执行 AI 驱动的任务：进行内容分析、生成和决策

调用外部工具：在处理过程中访问 API、数据库和服务

生成结构化输出：返回符合您架构要求的 JSON 数据

配置选项

系统提示

系统提示建立了 Agent 的操作参数和行为约束。此配置定义了 Agent 的角色、响应方法和所有传入请求的处理边界。

You are a helpful assistant that specializes in financial analysis.
Always provide clear explanations and cite sources when possible.
When responding to questions about investments, include risk disclaimers.

用户提示

用户提示是推理处理的主要输入数据。此参数接受自然语言文本或结构化数据，Agent 将对其进行分析并作出响应。输入来源包括：

静态配置：在模块配置中指定的直接文本输入
动态输入：通过连接接口从上游模块传递的数据
运行时生成：在工作流执行期间以编程方式生成的内容

OpenAI 模型：GPT-5、GPT-4o、o1、o3、o4-mini、gpt-4.1（基于 API 的推理） Anthropic 模型：Claude 3.7 Sonnet（基于 API 的推理） Google 模型：Gemini 2.5 Pro、Gemini 2.0 Flash（基于 API 的推理） 其他提供商：Groq、Cerebras、xAI、DeepSeek（基于 API 的推理） 本地部署：兼容 Ollama 的模型（自托管推理）

温度

控制响应的创造性和随机性：

更具确定性和专注性的响应。最适合处理事实性任务、客户支持以及对准确性要求高的场景。

创造性与专注性的平衡。适用于需要兼顾准确性和一定创造性的通用应用。

更具创造性和多样性的响应。适合创意写作、头脑风暴和生成多样化的想法。

温度范围（0-1 或 0-2）取决于所选模型。

API 密钥

您所选 LLM 提供商的 API 密钥。此密钥会被安全存储并用于身份验证。

工具

工具通过外部 API 集成和服务连接扩展代理的能力。工具系统支持函数调用，使代理能够执行超出文本生成范围的操作。

工具集成流程：

进入代理模块中的工具配置部分
从 60 多种预构建集成中选择，或定义自定义函数
配置身份验证参数和操作约束

可用工具类别：

通信：Gmail、Slack、Telegram、WhatsApp、Microsoft Teams
数据源：Notion、Google Sheets、Airtable、Supabase、Pinecone
网络服务：Firecrawl、Google Search、Exa AI、浏览器自动化
开发：GitHub、Jira、Linear 仓库和问题管理
AI 服务：OpenAI、Perplexity、Hugging Face、ElevenLabs

工具执行控制：

Auto：模型根据上下文和必要性决定工具调用
Required：每次推理请求时必须调用工具
None：工具定义可用但不包含在模型上下文中

响应格式

响应格式参数通过 JSON Schema 验证强制生成结构化输出。这确保了符合预定义数据结构的一致、机器可读的响应：

{
  "name": "user_analysis",
  "schema": {
    "type": "object",
    "properties": {
      "sentiment": {
        "type": "string",
        "enum": ["positive", "negative", "neutral"]
      },
      "confidence": {
        "type": "number",
        "minimum": 0,
        "maximum": 1
      }
    },
    "required": ["sentiment", "confidence"]
  }
}

此配置限制模型的输出以符合指定的模式，防止生成自由格式的文本响应，并确保生成结构化数据。

访问结果

代理完成后，您可以访问其输出：

<agent.content>：代理的响应文本或结构化数据
<agent.tokens>：令牌使用统计信息（提示、完成、总计）
<agent.tool_calls>：代理在执行过程中使用的任何工具的详细信息
<agent.cost>：API 调用的估计成本（如果可用）

高级功能

内存 + 代理：对话历史

使用一个 Memory 块和一个一致的 id（例如，chat）来在运行之间持久化消息，并将该历史记录包含在代理的提示中。

在代理之前添加用户消息
读取对话历史以获取上下文
在代理运行后附加其回复

# 1) Add latest user message
- Memory (operation: add)
  id: chat
  role: user
  content: {{input}}

# 2) Load conversation history
- Memory (operation: get)
  id: chat

# 3) Run the agent with prior messages available
- Agent
  System Prompt: ...
  User Prompt: |
    Use the conversation so far:
    {{memory_get.memories}}
    Current user message: {{input}}

# 4) Store the agent reply
- Memory (operation: add)
  id: chat
  role: assistant
  content: {{agent.content}}