robotAgent(AI 助理)

Agent 核心概念
Agent 核心運作流程:LLM 驅動 × 角色指令 × 記憶

這是什麼?

Agent 是你在 MaiAgent 上建立的 AI 對話角色。每一個 Agent 都是一個獨立的對話機器人,有自己的身份、個性、知識和能力。

你可以把 Agent 想成一位新進員工——你需要告訴它:

  • 你是誰(角色指令 / System Prompt)

  • 你知道什麼(知識庫、資料庫)

  • 你能做什麼(工具、技能)

設定完成後,Agent 就能在各種對話平台上為使用者服務。

核心概念

語言模型(LLM)

Agent 的理解和回覆能力來自背後的大型語言模型(LLM)。你可以把 LLM 想成 Agent 的「腦力」——不同的模型在理解力、回覆品質、速度和成本上各有差異。

建立 Agent 時,你可以選擇適合場景的模型。MaiAgent 支援多種模型,包括 Claude、GPT 等,不需要自己管理模型,平台會幫你處理。

簡單判斷:需要精準回覆、複雜推理 → 選較強的模型;高頻簡單問答、控制成本 → 選較快較輕的模型。

角色指令(System Prompt)

角色指令決定了 Agent 的行為方式。例如:

  • 「你是一位親切的客服人員,用繁體中文回覆,語氣專業但不生硬。」

  • 「你是一位財務分析助理,只回答與財務相關的問題,遇到不確定的數據請明確告知。」

好的角色指令會讓 Agent 的回覆品質大幅提升。

回覆模式

MaiAgent 提供兩種回覆模式:

  • Chat 模式:適合一般問答,直接用知識庫內容回覆

  • Agent 模式:適合需要多步驟推理的場景,Agent 會自行判斷要查什麼資料、用什麼工具

記憶

Agent 具備記憶能力:

  • 對話記憶:在同一輪對話中記得前面聊過的內容

  • 長期記憶:跨對話記住重要資訊,不用每次重新介紹

進階說明:記憶功能讓 Agent 能在多輪對話中維持上下文連貫,並透過向量檢索回憶過去的對話內容。你可以在 Agent 設定的「記憶設定」中調整相關參數。

我需要做什麼?

  1. 建立 Agent — 取名、選擇語言模型

  2. 寫角色指令 — 定義 Agent 的角色和回覆風格

  3. 掛載能力 — 連結知識庫、工具、技能(視需求)

  4. 測試對話 — 在內建的聊天視窗中測試效果

  5. 串接平台上線 — 部署到 Web Chat、LINE 等對話平台

延伸閱讀

Last updated

Was this helpful?