Agent

代理模块将您的工作流连接到大型语言模型 (LLM)。它处理自然语言输入，调用外部工具，并生成结构化或非结构化的输出。

配置选项

系统提示

系统提示建立代理的操作参数和行为约束。此配置定义了代理的角色、响应方法以及处理所有传入请求的边界。

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。此参数接受代理将分析和响应的自然语言文本或结构化数据。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

模型选择

代理模块通过统一的推理接口支持多个 LLM 提供商。可用模型包括：

OpenAI: GPT-5.1、GPT-5、GPT-4o、o1、o3、o4-mini、gpt-4.1
Anthropic: Claude 4.5 Sonnet、Claude Opus 4.1
Google: Gemini 2.5 Pro、Gemini 2.0 Flash
其他提供商: Groq、Cerebras、xAI、Azure OpenAI、OpenRouter
本地模型: 兼容 Ollama 或 VLLM 的模型

温度

控制响应的随机性和创造性：

低 (0-0.3)：确定性和专注性强。适合事实性任务和高准确性。
中 (0.3-0.7)：创造性与专注性平衡。适合一般用途。
高 (0.7-2.0)：富有创造性和多样性。适合头脑风暴和内容生成。

API 密钥

您选择的 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

通过外部集成扩展代理的功能。从 60 多种预构建工具中选择，或定义自定义功能。

可用类别：

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
AI 服务：OpenAI、Perplexity、Hugging Face、ElevenLabs

执行模式：

自动：模型根据上下文决定何时使用工具
必需：每次请求必须调用工具
无：工具可用但不建议模型使用

响应格式

响应格式参数通过 JSON Schema 验证强制执行结构化输出生成。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）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

有关详细信息，请参阅Memory模块参考。

输出

<agent.content>：代理的响应文本
<agent.tokens>：令牌使用统计
<agent.tool_calls>：工具执行详情
<agent.cost>：API 调用的估算成本

示例用例

客户支持自动化 - 通过数据库和工具访问处理查询

API (Ticket) → Agent (Postgres, KB, Linear) → Gmail (Reply) → Memory (Save)

多模型内容分析 - 使用不同的 AI 模型分析内容

Function (Process) → Agent (GPT-4o Technical) → Agent (Claude Sentiment) → Function (Report)

工具驱动的研究助手 - 通过网络搜索和文档访问进行研究

Input → Agent (Google Search, Notion) → Function (Compile Report)

最佳实践

在系统提示中具体说明：清晰定义代理的角色、语气和限制。指令越具体，代理越能更好地实现其预期目的。
选择合适的温度设置：当准确性很重要时，使用较低的温度设置（0-0.3）；当需要更具创意或多样化的响应时，提高温度（0.7-2.0）。
有效利用工具：集成能补充代理目的并增强其能力的工具。选择性地提供工具，避免让代理不堪重负。对于重叠较少的任务，使用另一个代理模块以获得最佳效果。

Agent

On this page