建立 Agent
建立 Agent 的步驟，以及 Agent 設定頁每個分頁的用途
本頁帶您從零建立一個 Agent。開始之前，可以先看下方的設定頁地圖，了解每個分頁管什麼、要到哪一頁看細節。
設定頁地圖
建立 Agent 時跳出的設定視窗，和之後在 Agent 列表點進某個 Agent 的「設定」分頁，使用同一套左側導覽：共 5 組、12 個分頁。
管理與進階
進階設定
檢索區塊最大數量、輸出長度控制、Agent 工作流設定、對話記憶設定（含 Embedding 與 Reranker 模型）、持久記憶、自動評估等；一般使用預設值即可
設定頁頁首的分頁
建立完成後，在 Agent 列表點進某個 Agent，頁首會有以下分頁：
設定
上方設定頁地圖的 12 個分頁
本頁
1. 建立 Agent
進入左側功能欄 「AI 功能」中「AI 助理」，點選右上方的 「建立 AI 助理」。
列表的篩選與欄位
列表上方可輸入 Agent 名稱或 ID 搜尋，並用「全部大語言模型」與「全部回答模式」兩個下拉選單縮小範圍。每一列顯示：
ID
Agent 的識別碼，API 串接與回報問題時會用到
名稱
在基本設定填寫的名稱
大語言模型
基本設定選用的 LLM 模型
回答模式
RAG 問答、Agent 模式、模板或混合
知識庫
已關聯的知識庫
技能
已掛上的技能
最後更新時間
最近一次儲存設定的時間
操作
編輯、複製、刪除，見複製與刪除 Agent
列表沒有多選與批次操作；要調整多個 Agent 時請逐一進入設定。
2. 為您的 Agent 命名
點選建立視窗左側導覽的 「基本設定」，在 「名稱」 欄位，填寫 Agent 的名稱。可以針對這個 Agent 的主要任務來命名，例如 XX AI 客服， XX 法規查詢小幫手，XX 專案智慧助理。
一個帳號可建立多個 Agent （依購買方案內容有數量上的限制）。同一個組織內 Agent 名稱不可重複，規則見名稱在組織內不可重複。
名稱在組織內不可重複
同一個組織裡，每個 Agent 的名稱都必須不同，避免在代理排程等只顯示名稱的下拉選單中分不清要選哪一個。建立 Agent、複製 Agent，或在 「基本設定」 修改名稱時，若名稱與 Agent 列表中另一個 Agent 相同，送出後會被擋下，並在名稱欄位下方顯示紅字「此組織已有同名的 AI 助理，請改用其他名稱」。
視窗不會關閉，已填好的其他設定也會保留；把名稱改成不重複的名稱後紅字會自動消失，再送出即可。若送出時停在其他分頁（例如 「權限設定」），畫面會自動切回 「基本設定」，讓您看到提示。
系統比對名稱的方式如下：
名稱前後多打了空白
前後空白會先去掉再比對，與既有名稱相同就會被擋下
只有英文大小寫不同（例如 Support Bot 與 support bot）
視為不同名稱，可以儲存；把自己的名稱只改大小寫也能儲存
與已刪除的 Agent 同名
可以建立，已刪除的 Agent 不列入比對
儲存時名稱沒有修改
不檢查名稱，可照常儲存其他設定
3. 選擇 RAG，讓 Agent 更聰明、回答更精準
什麼是 RAG
可以把 RAG 想像成一 「擅長對話的助理 + 一位很會查資料的圖書館員」 的集合體。
一般的 Agent 就像一位記憶力超好、很會講故事的人，但他只能說出自己以前學過的知識。但當 Agent 搭配了 RAG 技術，就像是這個 Agent 在回答問題前，會先跑去圖書館找最新資料，再把找到的內容整理成自己的話，清楚地回覆給您。
在 MaiAgent 平台 中，這個 「圖書館」 就是我們的 知識庫。Agent 將運用 RAG 技術從知識庫中找出相關資料，讓回答更加準確、即時且貼近需求。
知識庫的設定方式，將於下一節詳加說明。
知識庫設定方式
Agent 透過知識庫運用 RAG（Retrieval-Augmented Generation，檢索增強生成）。點選建立視窗左側導覽的 「知識庫設定」，按 「選擇知識庫」 指定 Agent 要參考的知識庫。
設定 FAQ 優先回答
為了確保 Agent 回答的準確性和一致性，您可以啟用「FAQ 優先回答」功能。當此功能啟用時，若知識庫中同時存在 FAQ 內容和其他文件內容，LLM 會優先使用 FAQ 內容來回答問題，確保回答內容符合您已建立的標準答案。
功能優勢：
提高回答準確性：當知識庫中同時存在 FAQ 和其他文件時，優先使用已驗證的 FAQ 內容，減少 AI 自行生成可能不準確的答案
確保回答一致性：所有用戶都能獲得相同標準的 FAQ 答案，維持服務品質
降低幻覺風險：優先參考 FAQ 標準答案，避免 AI 產生虛構或不正確的資訊
設定方式：
點選設定頁左側導覽的 「回答模式設定」
在 「角色指令」 欄位中，輸入以下指令：
4. 選擇模型，幫 Agent 挑選一顆聰明的大腦！
語言模型選擇目的
每個 Agent 的表現，很大部分取決於其大腦——也就是他所使用的語言模型（LLM）。在這個步驟中，您可以依照需求選擇不同種類的模型，從回覆速度、理解能力到回答的深度與自然程度，都會有所影響。
選對模型，就像幫助 Agent 開啟高效模式，為您的應用場景量身打造最佳體驗！
語言模型設定方式
點選左側導覽的 「基本設定」，在 「LLM 模型」 下拉式選單當中，可以挑選不同的大型語言模型，可選的模型依組織的 模型調用權限 而定；選單中標示為預設的模型由平台設定。各模型的 Credits 價格、速度、規格與退役日期，可到 模型調用權限 頁比較。
下拉選單分成兩組：上方 「模型」 列出可選的單一模型，下方 「備援模型群組」 列出 AI Gateway 的備援群組。選了備援群組時，由群組內的模型依序接手回覆，「思考力度」 設定不會顯示。
看懂選單上的能力標示
模型目錄會隨上下架變動，手冊不另列對照表；每個模型支援什麼，直接看選單上該列的標示：
模型名稱後的括號
提供推論的供應商（例如 AWS Bedrock、Azure OpenAI）
預設 標籤
平台設定的預設模型
多模態 標籤
看得懂圖片；對話會上傳圖片時請選這類模型
思考 標籤
支援思考力度，選定後下方會出現 「思考力度」 設定
自建 標籤
組織透過 AI Gateway 自行接入的模型
備援群組 標籤
這一列是備援模型群組，不是單一模型
第二列的圖片圖示
藍色代表支援多模態、灰色代表不支援；滑鼠移上去會顯示「多模態：支援／不支援」
第二列的數字
模型的上下文長度（一次能處理的 token 數）
模型是否支援工具呼叫（Agent 模式與技能需要）目前沒有在選單上標示；若切到 Agent 模式後，對話紀錄出現「模型不支援工具呼叫」之類的錯誤，請換一個模型。
設定思考力度
選到支援思考的模型（選單上標有 「思考」 標籤）時，「LLM 模型」 下方會出現 「思考力度」，決定 Agent 回答前要推理多深。這裡設定的是這個 Agent 的預設等級，使用者沒有在對話中另外選擇時，就依這個等級回答。
選項是 「預設」 加上目前模型支援的等級。等級由低到高為 關閉、極低、低、中、高、極高、最高；越高推理越深，但回覆越慢、Credits 消耗越多。點選任一選項後，下方會顯示該選項的說明。
「預設」與「關閉」會依模型實際行為加註，讓您知道選了之後回覆快慢：
預設
不指定等級。依模型實際行為顯示為 預設（不思考・最快） 或 預設（模型會自行思考）
關閉
不進行思考，只在模型可關閉思考時出現。模型預設就不思考時顯示 關閉（同預設）；模型預設會思考時顯示 關閉（最快）
極低～最高
開啟思考。每個等級的說明都是「開啟思考：每次模型呼叫約多 1–3 秒，依模型而異」
例如門市查詢 Agent 使用 Claude 4.5 Haiku，管理員以為把思考力度調到 低 會讓回覆更快，選了之後卻看到提示「目前設定會開啟思考，比預設慢」。因為這個模型的 預設 標示為「不思考・最快」，管理員改回 預設 並儲存，回覆速度維持最快。
每個模型支援的等級不同，畫面只列出目前模型可用的選項，例如：
Claude 4.5 Haiku：可以選 關閉、極低，最高到 高
Claude 5.5 Opus：無法關閉思考，因此沒有 關閉，最低是 低，但可以選到 極高、最高
要讓使用者在對話中自行調整，請到對話平台的 功能設定 開啟 允許使用者調整思考力度；Web Chat 還要同時開啟 顯示思考過程，輸入框下方才會出現思考力度按鈕，見 Web Chat 的思考力度按鈕。MaiGPT 不需要這兩個開關，選到支援思考的模型就能在輸入框自行調整，見 MaiGPT 對話：思考力度。
例如電商客服主管的訂單查詢 Agent 使用 Claude 4.5 Haiku，訪客問的多半是「包裹寄出了嗎」這類簡單問題。她在 「基本設定」 的 「思考力度」 點選 極低 並儲存，再到 Web Chat 對話平台的功能設定同時開啟 顯示思考過程 與 允許使用者調整思考力度。之後訪客開新對話時，輸入框下方的思考力度按鈕顯示 極低；遇到退款計算這類較複雜的問題，訪客可以自己切到 高 再發問。
5. 針對應用場景建立角色指令
為了讓 Agent 更貼近不同應用需求，您可以為其設定 「角色指令」，讓 AI 回答的風格與內容更符合場景情境。
降低幻覺的回覆機制
MaiAgent 的回覆機制讓 AI 在回答問題時保持高度的準確性，當面對不確定或超出知識範圍的問題時，會坦誠表達自己的限制而非產生虛構答案，為用戶提供更可靠、更值得信賴的 AI 互動體驗。對於各產業與公部門的應用重要性說明如下：
應用金融業：
在處理投資建議、風險評估時，AI必須基於確實的數據提供分析，避免產生不實資訊導致錯誤的投資決策。當資訊不足或不確定時，系統會明確告知，確保投資決策的可靠性。
醫療產業：
在協助醫療診斷、藥物諮詢時，AI系統必須嚴格遵循已知的醫學知識，不能憑空生成可能誤導病患的建議。對於新穎或未經驗證的醫療資訊，系統會明確表示需要進一步專業諮詢。
製造業：
在生產流程優化、品質控制等應用中，AI 必須基於實際的生產數據和驗證過的方法提供建議，避免因不準確的預測導致生產損失。
教育產業：
在輔助教學、解答學生疑問時，AI 需要提供準確的知識，而非可能誤導學習的錯誤資訊。對於複雜或模糊的概念，系統會坦承其理解限制。
法律產業：
在提供法律資訊和建議時，AI 必須基於現有法規和判例，而不是提供可能具有法律風險的臆測性建議。系統會明確指出需要專業律師進一步確認的事項。
客服諮詢：
在處理客戶諮詢時，AI 必須提供準確的產品資訊和服務說明，對於無法確定的問題，會立即轉介給相關專業人員，避免誤導客戶。
政府政策諮詢：
在提供民眾政策資訊和服務指引時，AI 必須基於最新且正確的法規和行政程序回答，避免提供過時或錯誤的訊息。當遇到複雜或需要專業判斷的問題，系統會明確建議民眾尋求相關部門協助。
公共服務決策：
在協助政府評估公共建設、社會福利等決策時，AI 必須依據真實的數據和研究進行分析，對於不確定的預測要清楚說明，確保政策制定的可靠性。
緊急應變管理：
在處理天災、公共衛生等緊急事件時，AI 系統必須提供準確的資訊和指引，不能產生可能誤導民眾的虛假訊息，影響防災應變的效果。
選擇適合的回答模式建立指令
在 Agent 設定頁左側導覽點選 「回答模式設定」，從自由對話到高度結構化回應，滿足各式業務需求。每種模式各有特色與適用範圍，您可以依照實際使用情境靈活選擇。
目前可選的回答模式有 RAG 問答、Agent 模式，以及收在 其他模式 底下的 模板 與 混合。新建立的 Agent 預設為 Agent 模式。
適用情境
根據問題自由回答，AI 會依照上下文與知識庫內容產生最適合的回應。適合大多數的問答情境
操作流程
點選左側導覽的 「回答模式設定」，回答模式選擇 「RAG 問答」，於 「角色指令」 欄位，填寫您為該 Agent 訂定的角色指令。模型支援時可在 「輸出格式」 選擇輸出純文字或 JSON 格式，填法見輸出格式：純文字或 JSON Schema。
應用場景：網站客服助理
若要為 「MaiAgent - Agent 開發平台」 建立一個網站客服助理，可在「角色指令」欄位中輸入 AI 的應答設定，明確定義其回應風格與職責範圍
當您選擇 「回答模式：模板」，您的 Agent 會大幅降低幻覺回覆，因為 Agent 將嚴格地依照您建立的知識庫和 FAQ 回覆內容問題，改成以分類的原則回覆問題，而不是以生成的方式請 LLM 生成內容。使用模板系統回答，能把幻覺風險降到最低。
適用情境
需要統一回答格式的情境，如標準諮詢流程、報表等。
案例操作
假如您希望建立一個「市政服務熱線」 的 客服 Agent，以即時回應民眾市政相關問題。
1. 點選左側導覽的 「回答模式設定」，展開 「其他模式」 並選擇 「模板」
2. 填寫回覆模板 (使用模板系統來生成回答)
如果您尚未建立知識庫和 FAQ，回覆模板的指令內容預設如下。
建議您先建議新增知識庫或 FAQ 以使用回覆模板，且格式必須為 Excel、CSV、json、jsonl 等表格型態檔案。
以此情境為例，我有一個 Agent 「市政服務熱線」，並在知識庫新增了 「市政服務 FAQ」。
FAQ 中的欄位包含問題、答案、機關、分類、發布時間
建議您上傳 Excel、CSV、json、jsonl 等表格型態檔案，欄位必須要有標題和相對應的內容。
此時我們回到編輯回覆模板，按下右上角 「初始化回覆模板」，您就會看到系統依據您剛剛上傳到知識庫的文件，產生回覆範例，例如：
現在您就可以針對回覆文字的部分進行編輯與排版。
[] {} 的部分是系統指令，所以針對文字的部分處理即可。
📍 Loop: 填入要對應的文件檔名 (指定哪份文件做回覆生成)
我修改了以下部分：
當我們回到 Agent 問答介面，詢問到相關問題，Agent 的回覆就會完全依照剛剛編輯的模板格式和 FAQ 文件內容做回覆。
3. 填寫無法回覆模板
如果 Agent 判斷無相關資料時，會依據 「無法回覆模板」 回覆。
最後按下 「儲存」 按鈕即可。
適用情境
結合 RAG 問答與模板，部分內容使用模板格式，其餘部分自由回答。適合需要部分結構化回答的情境。
操作建議
此時角色指令內容可能會和 「回答模式：模板」 有所衝突，因此在選擇 「回答模式：混合」 時，角色指令的內容建議改成以大原則方向的內容進行編寫。
例如角色指令的任務、互動原則、溝通態度等等。
適用情境
在企業日常營運中，員工經常需因應例行業務需求或主管交辦任務，整理資料、進行數據分析，並製作報表與分析報告。常見的查詢問題包括：
「上個月哪個產品銷售最多？」
「請列出所有銷售額超過 10 萬的客戶」
「近三個月的營收趨勢如何？」
這類問題若交由非技術人員處理，往往需仰賴資料團隊協助撰寫 SQL 查詢語句，流程耗時且效率有限。
現在，透過 MaiAgent 的 Agent 模式，系統將可使用 Text to SQL 工具，自動將自然語言問題轉換為對應的 SQL 語法，並即時查詢資料庫，迅速給出分析結果。
此功能特別適用於需要 即時查詢、資料洞察 的情境，例如報表分析、營運指標追蹤、數據查詢等。讓非技術使用者也能輕鬆獲取數據，實現更直覺、更高效的資料驅動決策流程。
Text to SQL 操作流程
點選左側導覽的 「回答模式設定」，並選擇 「Agent 模式」 作為回覆模式
點選左側導覽的 「資料庫設定」，按 「選擇資料庫」 關聯已建立的資料庫。資料庫在左側選單的 「AI 功能」→「資料庫」 建立，可以上傳試算表建立 MaiAgent 資料庫，或連接 PostgreSQL、MySQL、SQL Server、Oracle、SynxDB 等外部資料庫，建立方式請參考 建立與設定資料庫
應用場景：電商產品銷售額數據查詢
假如您是電商平台的行銷人員，想快速查詢產品銷售額等數據
首先，點選左側導覽的 「回答模式設定」，選擇 「Agent 模式」 作為回覆模式
接著，您可以在 「資料庫」 功能建立 MaiAgent 資料庫並上傳 Excel 檔案，系統會自動轉換為可查詢的資料表
也能請公司的技術人員提供 MySQL 或 PostgreSQL 的連線資訊，先在 「資料庫」 功能建立外部資料庫（請參考 建立與設定資料庫）。
接著點選 Agent 設定左側導覽的 「資料庫設定」，按 「選擇資料庫」 關聯該資料庫，再點選儲存。
設定完成，您可至 Agent 問答介面輸入問題，例如
「官網銷售額最高的三個品項是什麼，排除運費」
輸出格式：純文字或 JSON Schema
回答模式為 RAG 問答，且所選的 LLM 模型支援結構化輸出時，角色指令下方會出現 「輸出格式」：
輸出純文字（預設）：一般的對話回覆。
輸出 JSON 格式：選取後出現 「輸出格式 JSON Schema」 欄位。貼上一份 JSON Schema 後，Agent 的每則回覆都會是符合這份結構的 JSON，適合回覆要交給程式解析的情境，例如從對話抽取表單欄位、替問題分類。
填寫方式：
內容必須是合法的 JSON，否則儲存時會提示「輸出格式 JSON 格式不正確」。
最外層用
"type": "object"，在properties列出每個欄位的type與description；描述寫得越清楚，Agent 填入的值越準確。欄位留空時顯示的Person範例可直接改用：
每個欄位都要寫在
properties裡，並各自指定type。只貼上回覆的範例資料（例如{"answer": "string"}）時，這份內容沒有定義任何欄位，儲存會被拒絕，見下方貼上範例資料時的錯誤提示。看不到 「輸出格式」 時，代表目前模型不支援 JSON 輸出，或回答模式不是 RAG 問答；換一個模型即可。
貼上範例資料時的錯誤提示
「輸出格式 JSON Schema」 要填的是描述欄位的 Schema，不是回覆長相的範例。直接貼上範例資料時，內容雖然是合法的 JSON，卻沒有定義任何欄位，Agent 無從得知要輸出什麼。按 「儲存」 後會跳出 「錯誤提示」，並列出需要移進 properties 的鍵：
此 JSON Schema 未定義任何欄位，看起來是範例資料而非 Schema。請將欄位包在最外層的 "properties" 物件中，並為每個欄位指定 "type"。 需移入 "properties" 的鍵：answer, suggested_questions。
把提示列出的鍵搬進 properties，並為每個鍵補上 type（建議也補 description），再按一次 「儲存」 即可。上例改寫後如下：
使用情境：電商 Acme 的工程師阿哲想讓客服 Agent 回傳「答案」與「建議追問」兩個欄位，交給官網程式顯示成按鈕。他在 「輸出格式」 選 「輸出 JSON 格式」，把手邊的回覆範例 {"answer": "string", "suggested_questions": ["string"]} 直接貼進欄位後按儲存，畫面跳出錯誤提示，指出 answer、suggested_questions 需移入 properties。他照上面的寫法改成 Schema 再儲存，畫面顯示「儲存成功」，輸出格式就設定完成了。
Agent 模式的子選項：一般模式與畫布模式
選擇 Agent 模式 後，角色指令下方會多出 「Agent 模式」 區塊與幾個內建工具開關（Code Interpreter、Browser Tool、圖片搜尋，見Agent 模式的內建工具開關）。「Agent 模式」 有兩個選項：
一般模式（預設）
AI 依照指令和工具自主完成任務。
絕大多數的問答、查資料、呼叫工具的情境
畫布模式 (Canvas)
透過視覺化流程編排工具執行複雜任務。
要讓 Agent 做出網頁、互動報表、圖表等「成品」的情境；成果會在對話旁的 Canvas 畫布呈現，使用者可切換預覽與原始碼、下載
畫布模式只在所選模型支援工具呼叫時可選，組織方案也可能限制可用的 Agent 模式；切換後記得按 儲存。Canvas 的呈現方式見 Canvas 畫布，用 Text to SQL 產出視覺化報表的範例見 MaiAgent 資料庫進行 Text to SQL。
6. 預先分配 Agent 權限
點選左側導覽的 「權限設定」，可以設定 Agent 預先分配給哪些角色的成員使用。在 「快速選擇權限範圍」 可選擇 全部角色、排除預設角色 或 自訂選擇角色，可根據使用情境調整。
建立後誰看得到這個 Agent
Agent 沒有「草稿」或「未發布」狀態，按下 確認 建立後就會出現在 Agent 列表中，看得到的人由這裡的權限設定決定：
組織擁有者：一律看得到所有 Agent。
其他成員：所屬角色被選進這個 Agent 的權限設定，才看得到並可使用。建立者不是擁有者時，至少要選一個自己所屬、且具備 AI 助理權限 的角色，否則無法建立。
還在調整、不想讓其他人使用時：先只選自己團隊的角色，測試完成再回到 權限設定 加入其他角色。
對外的訪客能不能用到這個 Agent，另外由對話平台的 是否啟用 決定，見 功能設定。角色與資源的對應規則見 角色資源可見性控制。
7. 完成您的 Agent 建立
以上步驟輸入完後，按下對話框右下角的藍色 「確認」 按鈕即可完成設定 🎉。
複製與刪除 Agent
在 Agent 列表每一列右側的「操作」欄，除了「編輯」之外，還有「複製」與「刪除」。
重新命名時同步對話平台名稱
在 基本設定 改了 Agent 名稱並儲存後，若這個 Agent 底下有可以連動改名的對話平台，會跳出「同步對話平台名稱」視窗，詢問要不要一併更新所列對話平台的名稱。勾選要跟著改名的平台後按「一併更新」；按「只改助理名稱」則各平台維持原名。「內部對話」與「API」兩個內建平台會自動更新，不在清單中；清單為空時顯示「沒有需要連動更名的對話平台」。
新名稱同樣不能與組織內其他 Agent 重複，規則見名稱在組織內不可重複。
複製 Agent
點選「複製」會開啟「複製 AI 助理」視窗，顯示「來源 AI 助理」，並在「新 AI 助理名稱」預填「原名稱 複製」。改好名稱後按「確認」，新的 Agent 會立刻出現在列表中。
新 Agent 的名稱也不能與組織內其他 Agent 重複。若把預填名稱後面的「複製」刪掉、沿用來源 Agent 的名稱，按下「確認」後會在名稱欄位下方看到紅字提示，視窗不會關閉，改成其他名稱即可。規則見名稱在組織內不可重複。
複製會保留原 Agent 的設定（回答模式、角色指令、模型、進階設定等），以及與知識庫、技能的連結；對話平台、歷史對話與使用統計不會跟著複製。適合先在複本上測試新的角色指令或模型，確認後再換到正式的 Agent。
刪除 Agent
點選「刪除」會開啟「刪除 AI 助理及關聯對話平台」視窗，列出這個 Agent 底下所有的「關聯對話平台」。按下「確認刪除」後：
Agent 與列出的對話平台一併刪除：網站、LINE 等已串接的對話平台會跟著 Agent 一起刪除，無法只保留平台。
歷史對話保留：這些平台底下的對話紀錄會保留，仍可在「客服對話」→「所有對話」查閱。
此操作無法復原：刪除後無法還原 Agent 的設定。要保留設定備查，請先用上方的「複製」留一份複本。
最後更新於
這有幫助嗎？