超级助手的组成

一个超级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，如果将超级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 ：是一种借助各类模型（大/小模型）、知识库、记忆、技能、数据流等多种基础功能， 实现智能化的交互、任务执行、决策的智能体。 基于 DataAgent 服务，可以快速构建智能体应用-超级助手，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，作为超级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DIP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。DIP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。爱数自研的一种简单并易于普通用户操作和理解的编程语言，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。通过Dolphin-Lang，用户可灵活的调用各种技能，形成定制化任务流程。

创建超级助手

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

点击 首页 > 应用 > DataAgent，点击【新建】，进入DataAgent配置页面，详细具体步骤如下所示：

说明：也可通过进入应用 > 空间> 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，设置头像。

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

说明：

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?

关于输出配置：

• • 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”
  • 相关问题：如果Dolphin语句中配置了“相关问题”，并需要在页面上展示“相关问题”，需要设置此字段
  • 中间过程展示：如果想要展示中间过程中的某些过程变量信息，需要设置此字段

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

步骤4. Agent类型配置，明确所创建的DataAgent为普通Agent或者系统Agent。

• 系统Agent，与DIP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

步骤5. 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。

支持选择的文件类型，包括：

步骤5. 知识来源配置，可选择已安装的产品的数据源，包业务知识网络、文档。文档包括两个数据源：文档库-DIP的文档库、AnyShare。

• 文档召回设置，如下图：

相关配置项说明：

1. 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. 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，可选择添加类，如下图所示：

说明：

• 添加文档库前，需要先用此DIP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：数据源
• 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-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。

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/Agent/MCP，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dolphing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：
  • API Agent：发布后，可在应用>全部>DataAgent或者应用>全部>个人空间>我的创建>DataAgent 查看此Agent时，点击，即可查看此API相关信息。
  • 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。
  • 数据流Agent：发布后，可在创建数据流时，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，可在应用>全部>DataAgent或者应用>全部>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。