本文基于字节跳动扣子平台(AI Agent)的体验，详细介绍了AI Agent的核心功能机制，包括智能体定义、提示词配置、技能与插件扩展、工作流编排、知识库管理、记忆系统等。文章分析了单Agent与多Agent模式的区别，并指出AI Agent是当前AI技术不完全成熟时期的过渡产物，未来将向具备全局思维和创造力的端到端模式发展。这些内容为开发者理解和构建AI Agent应用提供了全面参考。

---

前些日子，体验了下字节的扣子平台，也就是时不时就有人提出来的AI Agent的平台。

体验下来并没有改变我个人的观点，我个人认为Agent以及AI工作流的出现只是AI技术尚不完全成熟的现在的过渡。就像自动驾驶领域中，从机械的算法、发展到分别应用AI处理不同阶段数据、最后变为端到端的模式一样，当AI具备全局思维、创造性思维之后，我们应该是不需要多个AI分别处理了。当然，这又带出来了另一个话题——端到端的架构是不是自动驾驶的最优架构，后面有机会了再聊吧。

总之，结合之前接触的大模型AI相关的知识（参考之前发布的一篇关于大模型AI基础概念的文章），对这类AI Agent平台的各项机制和功能概念做了个简单的总结。

Agent智能体

一个能够独立执行任务的自动化程序，可以根据用户指令自主调用资源库里的内容并完成编排；

提示词

Agent的设置，也就是AI中的系统消息的层面，对AI进行规则设置；

技能

Agent可以添加技能来支持更多功能，比如可以添加搜索功能支持网络搜索；

插件

插件能够让Agent调用外部API，如搜索信息，来扩展Agent的能力；

● 卡片数据：支持绑定消息卡片，绑定成功后，Agent将以消息卡片的形式发送消息，只在飞书、豆包内支持；

工作流

● Agent可以设置工作流，用于实现多步骤任务；

● Agent会根据工作流编排的流程来响应用户需求。工作流开始节点通常需要设置输入参数，对话时Agent会根据用户提示词Query中包含的参数进行工作流的执行；

● 可以在Agent的提示词中引入工作流的名称调用工作流；

● 工作流默认为同步运行，Agent只会在工作流执行完毕后才会输出。可以将工作流设为异步，异步执行时会先默认返回一条预设的回复内容，执行完毕后，Agent会做出最终回复；

触发器

Agent可以设置触发器，用于实现定时执行或通知；

● 定时触发：在指定时间触发；

● 事件触发：服务端向指定url发送请求时执行；

● 触发器绑定的任务应在1分钟内运行完毕，且工作流需要关闭流式输出；

知识

● 文本：将文档、URL、三方数据源上传为文本知识库后，用户发送消息时，Agent可以引用文本知识的内容回答用户问题；

● 表格：将表格上传为表格知识库后，Agent可以支持对数据的查询和计算；

● 照片：照片上传到知识库后，添加语义描述，Agent可以基于描述匹配合适的照片；

● 自动调用：每一轮对话都会调用知识库；

● 按需调用：根据需要调用，需要在提示词中写清楚什么情况下调用；

记忆

● 变量：变量功能可以用来为用户保存变量，比如用户的语言偏好、个性化设置之类的。也包括了系统变量的配置；

● 数据库：建立后，多用户可以对同一数据表进行快速查询和修改，比如待办功能；

● 长期记忆：打开后，Agent会对对话进行长期保留，以提升长期的用户体验；

● 文件盒子：打开后，Agent可以储存多模态数据供用户反复使用；

对话体验

● 开场白：打开时发送给用户的信息，可以预置问题供用户选择；

● 用户问题建议：Agent回复后，自动根据对话内容提供3条用户提问建议；

● 快捷指令：对话输入框上方的按钮，配置完成后，用户可以快速发起对话或插件等；

● 背景图片：对话的背景图片；

● 语音：为Agent设置语音音色；

● 用户输入方式：可以设置打字输入、语音输入；

模式

● 单Agent模式：单Agent模式下，只会使用一个Agent进行任务处理，在处理复杂任务时会增加调试的复杂性；

● 多Agent模式：可以为不同的Agent配置独立的提示词，将复杂任务拆解为简单任务。多Agent模式下，可以在每个Agent节点配置独立的插件和工作流。调试时可以针对单个Agent节点进行修改；

● 对话流模式：仅对话，适合流程固定的场景；

AI应用

有用户界面的Agent组合，可以不只是对话；

可以搭建通用移动端、WEB端应用；

资源库

插件、知识库、数据库、提示词等资源，可以被同空间的Agent或应用使用；

资源可以存在于空间，也可以存在于应用中，在应用中时就不会干扰其它应用；

项目：单个Agent和单个应用两种类型都是一个独立的项目；

空间：资源组织的主体；

如何学习AI大模型 ？

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。【保证100%免费】🆓

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）

对于0基础小白入门：

如果你是零基础小白，想快速入门大模型是可以考虑的。

一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。

👉1.大模型入门学习思维导图👈

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。

对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）

👉2.AGI大模型配套视频👈

很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。

👉3.大模型实际应用报告合集👈

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）

👉4.大模型实战项目&项目源码👈

光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战项目来学习。（全套教程文末领取哈）

👉5.大模型经典学习电子书👈

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）

👉6.大模型面试题&答案👈

截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）

为什么分享这些资料?

只要你是真心想学AI大模型，我这份资料就可以无偿分享给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

CSDN粉丝独家福利

这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈

（👆👆👆安全链接，放心点击）