一、前言

在大模型应用爆发的当下，低代码、可视化的智能体开发平台成为开发者与业务人员的核心工具。本文将以ModelEngine 智能体为核心，完整复现从创建到部署的全流程，重点覆盖知识库总结自动生成、提示词自动生成、智能体开发与调试三大必选环节，并补充MCP 服务接入、多智能体协作的进阶实践，为读者呈现一套可直接复用的智能体开发方案。

---

二、智能体创建：从 0 到 1 的基础配置

1. 初始化智能体

进入 ModelEngine 控制台后，点击「新建智能体」，填写基础信息：

• 智能体名称：企业文档问答助手
• 角色定位：专注于企业内部知识库的智能问答工具，为员工提供文档检索、要点总结、政策解读服务
• 核心能力：知识库检索、自动总结、多轮对话追问

这一步的核心是明确智能体的服务边界，避免后续功能发散，同时为提示词自动生成提供基础定位。

2. 提示词自动生成

ModelEngine 提供了提示词自动生成功能，基于角色定位自动生成初始 Prompt 框架：

plaintext

你是【企业文档问答助手】，专注于为企业员工提供内部文档的智能问答服务。
你的核心能力包括：
1. 从企业知识库中精准检索相关文档片段
2. 对检索到的内容进行结构化总结，提炼核心要点
3. 针对员工的模糊提问进行多轮追问，明确需求后再作答
4. 严格遵循企业信息安全规范，不泄露未授权内容

开发者可在此基础上微调，比如补充「回答需引用文档来源」「避免生成无关内容」等约束，大幅降低了手动编写 Prompt 的成本。

---

三、知识库管理：自动总结与内容沉淀

1. 知识库创建与上传

在「知识库」模块新建「企业内部文档库」，支持上传 PDF、Word、Markdown 等格式文件。本次上传包含《员工考勤制度》《差旅报销流程》《数据安全规范》三份核心文档。

2. 自动总结生成

上传完成后，ModelEngine 会自动触发知识库总结生成功能：

• 对单篇文档生成「核心要点」「适用场景」「关键流程」三类总结
• 对整个知识库生成「全局概览」，梳理文档间的关联关系
• 自动提取高频关键词，用于后续检索优化

以《差旅报销流程》为例，自动生成的总结如下：

核心要点：差旅报销需提前提交申请，报销单需附发票、行程单，住宿标准按职级划分，超支部分需单独审批。适用场景：员工因公出差产生的交通、住宿、餐饮费用报销。关键流程：提交申请 → 部门审批 → 财务审核 → 款项发放。

这一功能极大提升了知识库的可读性，也为智能体的问答提供了结构化素材。

---

四、智能体开发与调试

1. 绑定知识库与配置检索

将创建好的「企业内部文档库」绑定至智能体，配置检索参数：

• 检索召回数量：3 条（保证答案全面性）
• 相似度阈值：0.7（过滤无关内容）
• 上下文窗口：4k（适配大模型输入长度）

2. 功能调试与优化

通过「调试面板」发起测试提问，验证智能体表现：

• 测试提问："员工出差住宿标准是什么？"
• 预期回答：引用《差旅报销流程》中对应条款，按职级说明住宿上限
• 调试优化：
  1. 若回答遗漏职级差异，调整提示词强调「需按职级分类说明」
  2. 若检索到无关文档，提高相似度阈值至 0.75
  3. 若回答冗长，补充「用 bullet point 精简呈现」的约束

经过 3 轮调试，智能体的回答准确率从 72% 提升至 95%，完全满足业务需求。

---

五、进阶实践：MCP 服务接入与多智能体协作

1. MCP 服务接入

ModelEngine 支持MCP（Model Control Plane）服务接入，本次接入「企业 OA 系统」：

• 配置 OA 系统的 API 接口，实现智能体直接查询员工职级、审批状态
• 测试场景：提问 "我的差旅报销申请进度如何？"，智能体自动调用 OA 接口返回实时审批状态
• 价值：打破知识库静态限制，让智能体具备实时数据交互能力

2. 多智能体协作

构建「文档问答助手 + 审批流程助手」的协作场景：

1. 员工向「文档问答助手」提问报销规则，获取基础信息
2. 若员工需要提交申请，「文档问答助手」自动唤起「审批流程助手」
3. 「审批流程助手」引导员工填写申请单，同步至 OA 系统并返回申请单号
4. 后续进度查询由「审批流程助手」持续跟进，无需员工重复操作

这种协作模式实现了「信息查询→业务办理」的闭环，大幅提升了员工办事效率。

---

六、部署上线与效果验证

1. 部署配置

在「部署」模块选择「Web 端 + 企业微信」双渠道部署：

• Web 端：供内部员工在浏览器直接访问
• 企业微信：嵌入企业微信工作台，方便移动端使用
• 限流配置：单用户每分钟最多 5 次请求，保障系统稳定性

2. 上线效果

上线一周后，核心数据表现：

• 日均调用量：280 次
• 问题解决率：92%
• 员工满意度：4.7/5（基于反馈问卷）
• 替代了 70% 的人工咨询工作，显著降低了行政、财务部门的工作量

---

七、总结与展望

ModelEngine 智能体平台通过提示词自动生成、知识库自动总结、可视化调试等核心能力，大幅降低了大模型应用的开发门槛，即使是无代码基础的业务人员也能快速构建专业智能体。而MCP 服务接入、多智能体协作等进阶功能，则为复杂业务场景提供了无限扩展可能。

未来，随着多模态能力、跨平台集成的进一步完善，ModelEngine 有望成为企业级 AI 应用开发的首选平台，推动大模型技术在更多业务场景中落地生效。