Agent入门

更新时间：2025-01-17 13:51:03

Agent能推动企业在数据驱动的决策和业务优化方面取得更大进展。无论你是否有编程基础，都可以在AnyDATA 上快速搭建基于大模型的各类 Agent。当Agent发布后，可通过API形成集成至上层

Agent通常具备强大的自然语言理解、生成和推理能力，使它们能够以更加人性化和灵活的方式与环境互动，并执行复杂的任务。它们在理解用户意图、提供信息、解决问题以及创造性思维方面展现出接近人类水平的能力，极大地扩展了传统Agent的应用范围和效能。

进入Agent

1.首次登录AnyDATA 工作台，进入“Agent Factory”页面，左侧菜单中选择“Agent”。单击【新建】按钮，弹出“新建Agent”对话框。

2.在新建Agent对话框中，填写名称、类型、描述、颜色

Agent功能简述

Agent的界面有三个主要组件：1.输入、块和输出配置、2.调试器：Debgguer、3.运行面板

Agent操作概述

进入创建Agent后，您首先在左侧面板 (1) 上配置输入 (A)、逻辑块 (B) 和输出 (C) ，然后使用运行面板(3) 生成示例输出。运行逻辑后，您将能够在调试器(2) 中看到运行时所有采取的步骤详情。

输入、逻辑块和输出配置

首次创建时，在左侧看到：输入（用户的输入）、逻辑块（用于定义逻辑指令）以及输出（运行后最终的结果、获取更多接口的参数）。一个逻辑块的输出可以输入到后续逻辑块中。

输入

支持输入类型为字符串（string）、文件（file）、对象（object）。用户自定义变量名称，可以作为后续逻辑块输入

针对字符串类型的支持配置重写、增强

（1）重写：通过利用历史记录来扩展和丰富当前的query内容，并使query更精准地表达出用户的意思；

（2）增强：利用图谱数据丰富query中词语含义；

注意：需要增强的实体类，务必在构建知识图谱时，创建alias属性并开启索引。否则被选择的实体类增强功能将无法正常使用。

逻辑块

召回块

从大量数据中检索出、查询相关的结果

1.当前数据源支持从知识图谱、AS知识库中召回。根据数据源的不同内置不同的召回策略。

- 图谱的召回：会同时通过schema linking、实体和实体关系召回，找到与query最相关的子图。其中，还会对长文本进行数据增强和二次召回，不漏掉长文本中的信息。对于简单查询问题，会通过规则和小模型直接识别，快速返回答案。

- 文档的召回：先将文档切片存入向量数据库，应用端使用全文检索和向量双路召回，再基于reranker模型根据相关性进行重排序，得分较高的切片进行二次召回，拿回更多上下文信息。

2.知识增强支持开启/关闭。若开启后，系统会对召回后进行的知识增强。

- 知识增强是指通过知识图谱知识或上下文信息对初步检索结果进行补充和优化，以提高结果的准确性和相关性。

3.高级配置

- 当您选择知识图谱作为数据源时，需要设置2个配置项：大模型和Reanker模型相似度阈值。大模型在此过程中负责识别实体和进行分词工作。至于Reanker模型，我们推荐使用BGE模型，您只需要设置一个恰当的相似度阈值。这个设置能够协助模型更准确地挑选出与您的查询高度相关的文档，以此优化搜索结果的精确度和相关性。