常见的智能体流程模式

“智能体”的定义五花八门。有的客户认为，智能体是完全自主的系统，可以长时间独立运行，利用各种工具完成复杂任务。有的则认为，智能体是按照预定义流程执行的系统。

在煎蛋平台，我们把这些都归为智能体系统，但我们更注重区分工作流和全自主这两种架构：

工作流智能体： 大语言模型和工具通过预定义的节点路径进行编排。

全自主智能体： 大语言模型动态地指导自己的流程和工具使用，自主决定如何完成任务。

实践表明，用大语言模型开发应用，越简单越好！只有在必要时才增加复杂度。这意味着，你可能根本不需要全自主的智能体。全自主的智能体系统通常以延迟和成本为代价，换取更好的任务表现。而且全自主智能体的表现非常依赖于大语言模型的能力，并且无法保证很强的一致性。在企业/学校等环境中，我们更推荐工作流的智能体模式。

具体来说：

工作流智能体： 适合处理定义明确的任务，提供可预测性和一致性。

全自主智能体： 更适合需要灵活性和模型驱动决策的场景。

以下是几种常见的智能体流程模式

工作流：单点循环问答

这个模式是最简单的AI智能体流程，可以称为AI原生智能体的 "Hello "World"。整体流程就是一个输出节点的循环。

这个流程虽然很简单，但是也很实用，只要设置好对应的智能体人设、输出节点提示词、就可以是实现基于模型原生能力的问答。再配置上对应的知识库，还可以实现基于知识库的智能问答

小提示：创建了智能体和知识库，但是智能体在碰到他不了解的问题或者不在知识库范围内的问题时会一本正经的胡说八道，如何让他只根据知识库的内容进行回答？

其实只需要在智能体设定里限定它的回答范围，并规定它的答案只能从所提供的上下文进行回答，就可以很好的限制大模型的幻觉。以下是一个例子：

你只回答与[产品使用、售后服务、订单查询]相关的问题。答案必须来自提供的产品手册和客服话术库。若问题超出范围，回答："抱歉，我目前只能帮您处理产品使用和订单问题哦！"

提示词设计核心要点

1. 范围锁死：用「只回答关于XXX」明确边界
2. 来源限定：强调「答案只能来自上下文/指定资料」
3. 拒绝话术：设计友好但坚定的拒绝模板（如「暂时无法回答」「建议联系XX」）
4. 幻觉防御：明确说「不知道」比编造更安全

典型场景：

• 企业客服助手
• 销售咨询机器人
• 内部知识库问答
• 垂直领域专家（如红酒）

工作流：按照流程获取信息

利用获取信息节点，我们可以配置让智能体按照一定的流程获取所需要的信息，比如售后报修的场景。智能体会主动询问用户所需的信息，并把信息保存到自定义输出变量里。获取的信息可以通过API或者代码节点发送到已有的业务/工单系统，实现真正的智能客服报修。

典型场景：

1. 智能售后报修流程：
产品故障报修 → 引导用户拍摄故障照片 → 自动记录设备序列号 → 调用API创建工单
获取信息：
① 产品型号 ② 故障现象描述 ③ 现场照片/视频 ④ 联系方式
系统集成：通过代码节点对接Zendesk/ServiceNow工单系统
应用场景：家电、智能硬件厂商的自动化报修服务

---

2. 医疗预约服务流程：
症状自述 → 智能分诊 → 推荐科室 → 同步空闲号源
获取信息：
① 主要症状 ② 病史记录 ③ 期望就诊时间 ④ 医保类型
系统集成：通过代码节点对接对接医院HIS系统的挂号接口
应用场景：互联网医院、私立诊所的智能预约中台

---

3. 定制化订单处理
流程：
产品选择 → 尺寸/颜色确认 → 特殊需求收集 → 自动生成订单PDF
获取信息：
① 商品SKU ② 定制参数 ③ 收货地址 ④ 发票信息
系统集成：调用ERP系统订单创建接口
应用场景：服装定制、B端大客户采购等深度服务场景

---

4. IT故障响应
流程：
错误代码识别 → 系统日志抓取 → 影响范围评估 → 自动升级工单
获取信息：
① 报错截图 ② 设备IP/MAC地址 ③ 最近操作记录 ④ 紧急程度
系统集成：联动Jira/Slack发送警报通知
应用场景：企业IT服务的L1级故障处理

---

5. 保险理赔初审
流程：
事故类型判断 → 材料清单生成 → 影像资料上传 → 初步定损
获取信息：
① 保单号 ② 现场照片 ③ 警方报告编号 ④ 医院诊断书
系统集成：对接保险核心系统的理赔模块
应用场景：车险、健康险的快速理赔通道

---

流程设计关键点

1. 渐进式信息收集：设计5-7步的交互闭环，每次只询问1个关键信息
2. 输入验证机制：对证件号、日期等字段添加代码节点用正则校验规则
3. 断点续传功能：允许用户中途退出后从最后步骤继续
4. 多模态输入：支持图片上传、语音转文字等多种信息录入方式

此类流程化智能体可使传统需要2-3天处理的业务缩短至10分钟内完成，特别适合需要结构化数据采集的业务场景。

工作流：判定用户的意图匹配不同的分支

利用大语言模型的自然语言意图识别能力，我们可以很容易根据用户的语义判定用户所需要办理的业务和流程，并匹配不同的流程分支。不同的分支可以是后续的处理节点，或者是不同的智能体，一起配合完成用户的需求。

典型场景：

1. 政务服务大厅 / 学校办事大厅意图识别：自动解析「补办社保卡」「生育津贴申请」「企业注册」等700+政务事项
流程分支：

• 材料清单生成 → 预审表单填写 → 预约办理窗口
• 自动跳转对应委办局智能体（人社局/市场监管局等）
  效率提升：减少80%人工窗口咨询量

2. 电商/商超客服意图识别：精准解析「订单状态查询」「退换货申请」「促销规则咨询」「库存缺货追问」「支付失败处理」等高频诉求
流程分发：

1. 订单问题（如物流延迟）→ 自动调用订单系统API → 实时物流地图嵌入 → 异常订单自动补偿方案生成
2. 退换货流程 → 引导上传商品照片 → OCR识别发票信息 → 调用ERP生成RMA编号 → 顺丰上门取件API对接
3. 促销咨询 → 关联用户历史购物车数据 → 实时优惠券/满减规则计算 → 个性化推荐弹窗生成
4. 缺货预警 → 自动触发到货通知订阅 → 竞品替代推荐（需品牌白名单） → 企业微信通知采购部门

3. 航空客服多模态分流意图识别：理解「机票退改签」「行李丢失」「特殊餐食预订」等场景
流程分支：

• 退改签 → 政策解读 → 退款金额计算API
• 行李问题 → 工单系统+机场地勤系统对接

工作流：自动化流程处理

利用循环和并发流程，可以实现各种文档 / 数据的AI流程自动化处理。

典型场景：

1. 法律合同批量处理
场景：
批量处理500+份跨国并购协议的合规审查、风险条款提取、多语言版本生成

• 循环流程：自动遍历合同库 → 标记争议条款 → 生成修订建议 → 导出修订批注版
• 并发处理：同时启动多个不同的智能体分别处理不同章节（如保密条款/支付条款/违约责任）
  效能提升：合同审查周期大大缩短，降本增效

2. 科研论文预审
场景：
每天处理300篇预印本论文的领域分类、创新点提炼、审稿意见预生成

• 循环评审：PDF解析 → 方法论评估 → 结果可复现性检查 → 生成审稿模版
• 并发分析：多智能体并行处理图表数据提取、参考文献验证、剽窃检测

全自主：自主决定使用工具

在煎蛋平台上，我们也可以创建全自主的智能体。这种智能体的核心是一个判定节点，需要仔细的构建它的提示词，来让它判定应该使用什么工具，处理每个工具的结果等等

这个是全自主智能体的基本流程，注意这里面只演示了使用两个工具，如果需要添加更多的工具可以自行添加。

这个是判断节点的提示词，如果需要添加更多的工具或者需要更复杂的判断逻辑，可以自行修改。

根据当前工具调用结果，判断是否需要调用对应的工具来回答问题，还是无需使用工具可以直接回答。

问题
---------------
{{q}}

可使用工具
---------------
互联网搜索：用于查找最新的新闻或者专业的信息
天气查询：可以查询特定城市实时天气情况

工具调用结果
---------------
互联网查询结果：{{result1}}
天气查询结果：{{result}}

注意，调用工具获得结果后还会根据新结果再次判断，所以请一步一步思考，避免反复调用相同的工具。