更新时间:2025-09-05 17:02:43

问数助手概述

爱数智能问数的问数助手是采用深度对话与决策引导式交互体验,实现从信息检索、分析推导到决策建议的一种 AI 原生的人机交互窗口,实现跨场景的智能分析与决策建议生成,用于快速响应动态业务问题并输出可执行方案。

 

问数助手的构成元素

一个问数助手需要由以下几个必备要素构成,知识来源,技能,模型和Dolphin-Lang等组成,如果将问数助手比作一个人的话,那么其必备要素的组成如下所示:

知识来源:血液-营养来源,即超级助手回答问题的信息来源,包括文档、业务知识网络。具体数据类型包括:内容数据、结构化数据、机器数据、组织元数据等。

技能:手和脚-动力系统,用以扩展DataAgent的能力边界,处理更复杂的任务。技能包括工具、技能Agent、MCP。

  • DataAgent :是智能体工厂的核心组件之一,依托业务知识网络,集成数据流的能力,完成智能体的创建、配置和管理。 基于 DataAgent 服务,可以快速构建智能体应用-问数助手,满足实际业务需求。DataAgent分类包括:
    • 按用途分: 
      • 普通Agent:普通DataAgent发布后,作为问数助手供用户进行使用。
      • 技能Agent:技能DataAgent发布后,作为技能供用户创建DataAgent、算子、工作流等进行调用。
    • 按重要程度分:
      • 系统Agent,与智能问数系统关联性较大,是比较重要的Agent, 只有指定角色才可以创建和管理。如:深度搜索Agent
      • 普通Agent,应用户的需求基于一定的用途而创建的Agent。如:西藏旅行Agent
  • 工具:工具是API调用、数据库查询、搜索引擎或者其他Agent提供的服务,可以使用的外部资源和能力。例如,在创建的DataAgent 内添加新闻搜索工具,那么此DataAgent 将拥有搜索新闻资讯的能力。
  • MCP: MCP全称为Model Context Protocol(模型上下文协议), 是 一个开放的、通用的、有共识的协议标准。MCP 提供了一种统一的方法,将 AI 模型连接到各种数据源和工具。让 AI 模型能够与不同的数据源和工具进行无缝交互。它旨在替换碎片化的 Agent 代码集成,使 AI 系统更可靠、更高效。

模型:大脑-思维中心。智能问数支持集成各类大模型和小模型,可利用标准化接口快速调用、组合模型,供用户选择和使用。

Dolphin-Lang:神经-传导系统。Dolphin-Lang是爱数自主研发专门为智能体设计的流程配置语言。支持使用自然语言的方式通过判断、探索等多种复杂模式,实现智能体的数据流编排。Dolphin-Lang简单并易于普通用户操作和理解,旨在降低普通用户在专家模式下进行编程的难度,提高开发效率。

 

创建问数助手

用户可通过DataAgent的制作,来创建符合自己需求的问数助手。创建一个问数助手,需要对其必备要素等进行配置。

点击 智能体工厂 > 全部 > 智能体,点击【新建】,进入DataAgent配置页面,详细具体步骤如下所示:


说明:也可通过进入智能体管理> 个人空间>我的创建页面,点击【+新建】,进行DataAgent创建。

步骤1. 基本信息配置,输入DataAgent 的名称,简介,设置图标。

步骤2. 定义角色指令,可采用自然语言模式或使用Dolphin切换至专家模式进行编写。

采用自然语言模式

可根据角色指令的格式指南,进行提示词撰写;也可采用AI生成。

使用Dolphin

相关配置项说明:

1.输出配置:最终输出结果:从多个Dolphin语句的输出变量中选择一个作为“最终输出结果”

2.管理模块: 当配置页面右侧用户开启开关或者添加某些配置(例如输入配置、知识来源、技能等),可在管理模块自动添加相应模块及实现代码,方便普通用户能够通过简单的操作-开启/添加等,实现相应功能,无需进行dolphin语句编辑和理解。但对于专业用户,也可以依具体需求,进行再编辑。

 

添加说明

      • 开启长期记忆后,管理模块自动添加【记忆召回模块】
      • 添加临时区文件的变量后,管理模块自动添加【临时区文件处理模块】
      • 选择业务知识网络数据源后,管理模块自动添加【业务知识网络召回模块】
      • 上下文组织模块:当【临时区文件处理模块】【文档召回模块】【业务知识网络召回模块】存在任意一个时,管理模块自动添加【上下文组织模块】。上下文组织模块,需要根据已有模块(临时区文件处理、业务知识网络召回、文档召回)来动态组织dolphin语句;整合召回信息与用户问题,生成连贯、有逻辑的最终回答。
      • 开启相关问题后:管理模块自动添加【相关问题模块】
      • 选择文档数据源后,管理模块自动添加【文档召回模块】

删除/禁用说明

      • 删除:当删除或关闭了相应功能,Dolphin模块管理也会同时自动删除相应模块内容显示。例如:用户删除了业务知识网络数据源,Dolphin模块管理也会同时删除【业务知识网络召回模块】。
      • 禁用:Dolphin模块管理也可以通过启用配置,禁用某些模块。

Tip关于Dolphin-Lang撰写:具体撰写Dolphin-Lang的相关说明,请参考用户指导:如何撰写Dolphin-Lang?

 

步骤3. 所属产品配置,明确所创建的DataAgent的归属。默认选中“ChatBI”,点击后出现下拉菜单,当前包括:ChatBI、DIP、AnyShare。

 

步骤4. 输入配置,明确需要让DataAgent接收哪些信息。支持添加文本、文件、对象。默认对象配置包括:

  • query-用户在超级助手交互对话框输入的问题
  • history-用户在所有dataAgent的历史对话信息,包含用户和超级助手的对话记录
  • tool-工具执行时具体的参数信息,对象类型包括会话ID、工具名称和参数列表
  • header-请求头内容,对象类型包括授权信息和用户ID等
  • self_config-用户当前Agent的配置信息,对象类型,包含数据源配置和高级配置等

 

支持选择的文件类型,包括:

 

当选择文件变量时,可具体对选择文件的方式、文件类型、文件数量和大小等进行具体设置。

 

步骤5. 知识来源配置,可选择已安装的产品的数据源,包文档、业务知识网络、指标、知识条目。文档包括两个数据源:文档库-智能问数的文档库、AnyShare。

  • 文档召回设置,如下图:

相关配置项说明:

    1. 召回切片数:设定需召回的数据切片数量,明确处理范围。保障处理效率与信息完整性。

    2. 重排序后保留切片数:确定重排序后保留的切片数,细化结果。提升输出结果精确度。

    3. 每篇文档最大保留切片数:限制单文档保留切片数,平衡信息。确保结果呈现多样性。

    4. 获取下文切片数:预设需获取的后续切片数量,加强连贯性。使内容衔接更流畅。

    5. 获取上文切片数:规定需参考的前文切片数量,辅助理解。提供背景信息支持。

    6. 来源文档数:设定召回文档的数量上限,简化流程。缩小处理范围提升速度。

    7. 文档ranker bge相似度阈值:设定相似度阈值以筛选文档,精准匹配。保证结果高度相关。

    8. 召回最大长度:限制召回内容的最大长度,避免冗余。保持输出简洁高效。

  • 业务知识网络召回设置,如下图:

相关配置项说明:

    1. 文本匹配召回对象数量:设定通过文本匹配召回的对象数目。用于控制初步筛选的候选量。
    2. 向量匹配召回对象数量:确定基于向量相似度召回的对象数。辅助找到语义相近的内容。
    3. 重排序后保留参考信息数量:规定重排序后保留的参考信息数。确保输出关键且精简的信息。
    4. 长文本:定义字符串长度超过多少算长文本,以区分普通文本与长文本,便于系统采取不同处理策略。
    5. 业务知识网络ranker bge相似度阈值:设定业务知识网络筛选的相似度标准。过滤低相关性内容。
    6. 召回最大长度:限制召回内容的最大字符长度。防止返回内容过多,保证效率。

添加知识网络:添加对应的业务知识网络后,可选择添加对象类以及属性,如下图所示:

 

说明:

  • 添加文档库前,需要先用此智能问数的账号登录文档库,示例如:10.4.111.140/anyshare/zh-cn/
  • 添加AnyShare前,需要先建立AnyShare数据源,具体创建相关说明,请参考用户指导:如何创建数据连接?
  • 添加业务知识网络前,请先前往“业务知识网络”等相关功能模块,创建业务知识网络,具体创建相关说明,请参考用户指导:如何构建业务知识网络?

步骤6. 添加技能,支持选择一个或多个技能,扩充此DataAgent等能力边界,共同完成更复杂的任务。包含工具、MCP和技能Agent。其中包括系统内置工具:数据处理工具,文件处理工具和搜索工具等。可根据需要进行选择。

技能-工具配置:可根据实际需要,对工具的各种参数进行具体设置,包括固定值、引用变量、选择模型、模型生成。

说明:

    • 引用变量:
      • 当值选中【引用变量】时,在下拉框中展示输入变量 和Dolphin变量;
      • 当引用变量选中用户自定义的object类型的变量时,置入下拉框中可继续输入,通过输入的方式来取出变量的部分内容;
      • 当引用变量选中系统内置的object类型的变量时,可通过下拉选取下级字段
    • 选择模型:需要对模型的连通性做测试,并对需要对模型进行具体参数设置。

      • 随机性:控制生成文本的随机性。这个参数可以控制生成文本的多样性,以避免生成过于相似的文本。默认值1,最大值2,最小值0。
      • 核采样(采样样本):控制生成文本的概率阈值。这个参数可以控制生成文本的多样性,以避免生成过于相似的文本。默认值1,最大值1,最小值0。
      • 单次回复限制:控制生成文本的最大长度。这个参数可以控制生成文本的长度,以避免生成过长的文本。
      • 前k采样:控制生成文本时,从概率前k高的词汇中随机选择下一个词汇。这个参数可以限制生成词汇的选择范围,以避免生成过于低概率的词汇,从而影响文本质量。k值越大,选择范围越广,生成文本的多样性越高;k值越小,选择范围越窄,生成文本越倾向于使用高概率词汇,文本可能更保守和常见。
      • 话题新鲜度:控制生成文本的存在惩罚。这个参数可以控制生成文本中不存在的单词和短语的数量,以避免生成过于不连贯的文本。默认0,最大值2,最小值-2。
      • 频率惩罚度:控制生成文本的频率惩罚。这个参数可以控制生成文本中重复的单词和短语的数量,以避免生成过于重复的文本。默认值0,最大值2,最小值-2。

技能-技能Agent配置:可根据实际需要,对Agent的各种参数进行具体设置,包括固定值、引用变量、选择模型、模型生成。数据源及大模型可选择自身配置或继承主Agent; 继承主Agent包括仅继承文档数据源、仅继承图谱数据源、继承所有类型的数据源。。

 

说明:

    • 人工干预功能:支持人工干预技能调试工具,点击“/”切换干预功能的启停状态,您可以为每个Agent或工具(tool)配置人工干预开关。开启后,若工具/Agent配置了针对特定工具的中断标识,系统检测到此工具时,会中断工具/Agent的运行过程,并询问工具是否执行并确认工具参数是否正确。以便在与大模型的交互过程中,监控大模型的执行,保证输出的正确性。
    • 添加技能前请创建好相关工具/MCP/Agent/,即可在此处进行调用。
    • 具体创建技能相关说明,请参考用户指导:如何创建技能?
    • 技能Agent创建参考本文内容即可。

 

步骤7. 模型配置,支持根据用户具体的需求,选择一个或多个大/小模型(添加的多个模型主要用来在写dolphin时调用)。选择模型后,需测试连接,然后进行具体的模型配置。

  • 生成自然语言文本(如写作、对话)→ 选大语言模型;
  • 解决逻辑问题、数学计算或复杂决策 → 选推理模型

 

步骤8. 长期记忆配置,启用长期记忆后,Agent将能够记住和利用用户的历史聊天信息进行输出,以便提供更精准的答案。

 

步骤9. 默认开场白配置

  • 开场白:可根据具体的需求对结果输出的开场白进行自定义设置,支持AI自动生成。例如:您好!根据详细的调研和分析,形成的建议如下......
  • 预设问题:可根据具体的需求对结果输出的预设问题进行自定义设置,支持AI自动生成。可添加1个或多个预设问题。例如:为什么需要进行此次调研和分析?

 

步骤12. 预览与调试。DataAgent配置完成后,点击Debug【调试预览】,通过测试数据验证输出逻辑是否正常,同时查看输出结果是否符合预期。支持以markdown、json的格式进行输出。

 

步骤13. 发布配置。通过调试后,点击保存>发布

 

说明:

  • 可见范围:可选择全部用户,或者指定组织结构、用户组、应用账号。
  • 同时发布为其他类型:
    • 技能Agent:发布后,可在创建DataAgent,添加技能Agent时,进行查看添加。或者在创建算子时,选择执行操作>AI能力>智能体,进行查看添加。

 

查看DataAgent

当创建Agent后,可在全部>智能体或者智能体管理>个人空间>我的创建>DataAgent,查看创建的Agent,包括最近访问,按分类浏览。

 

创建超级助手典型场景

JD职位描述生成器超级助手能够根据用户具体需求生成专业且符合行业市场要求的职位描述,用于招聘人员进行人事招聘,以便能够招聘到合格的岗位人员。

JD职位描述生成器超级助手配置

以下JD描述生成器超级助手的配置示例,包含此超级助手的主要配置项,如下图所示:

 

  • Dolphin-Lang撰写具体如下:

/prompt/重复下面这段话:生成JD需要一些额外的信息,我将依次问您。例如:工作地点、开发语言要求,优先录用条件,强力加分项->frient_prompt
@check(field="期望的工作地点",value="上海") -> work_address
@check(field="开发语言要求",value="Go/Python") -> dev_language
@check(field="优先录用条件",value="1.具有智能体开发经验;2.具有多模态数据管理开发经验") -> adviced_condition
@check(field="强力加分项",value="具有大模型效果微调的工作经验") -> add_score_option
/prompt/提取$query中的取数信息,只要输出值,不要输出其他信息 -> position
$position['answer'] + '的取数描述, 能力要求和工作职责分别是什么?' -> new_question
@职务描述信息查询(query=$new_question)-> basic_info

/explore/(system_prompt="
# 系统提示词: 职位描述生成器

## 功能说明
本工具用于生成高级后端开发工程师的职位描述(ID):

将按以下模板生成最终文档:

--- 
**职位名称**
**职务描述**
**工作地点**
**核心职责**
**学历要求**
**工作年限**
**开发语言要求**
**必备知识**
**优先录用条件**
**强力加分项**
**薪酬福利**
---

"history=True)根据$work_address['answer'].$dev_language['answer'].$adviced_condition['answer'].$add_score_option['answer'].$basic_info['answer']['answer'].$query回答问题。" -> answer

 

JD职位描述生成器超级助手使用