宝软数字 · 实操教程·进阶玩法 · 2025-11-16
EIOS内置了20多个标准Agent模板——销售分析Agent、采购管理Agent、财务分析Agent、库存监控Agent等等。对于80%的常见需求，这些模板足以覆盖。但当你的业务有独特的流程、独特的专业知识、独特的决策逻辑时，标准模板就捉襟见肘了。这时候你需要自定义Agent。
以下场景是自定义Agent的典型触发信号：
场景一：你的行业有高度专业化的知识体系。比如你是一家医疗器械经销商，你的销售决策需要综合考虑医院等级、科室需求、设备兼容性、招标评分规则、医保报销政策等多维度信息。通用的「销售分析Agent」不理解这些行业规则，给的建议都是基于通用销售数据的，没有行业深度。
场景二：你需要Agent执行特定的计算或判断逻辑。比如你是一家工程项目公司，你需要一个「投标报价Agent」。它需要根据招标文件的要求、历史中标数据、竞争对手分析、公司当前资源负荷，自动生成一个有竞争力的报价方案。这个逻辑是非常定制化的，通用模板里绝不可能有。
场景三：你有大量内部知识和规则需要AI理解。比如你的公司有一本300页的《产品知识库》和一本50页的《售后政策手册》。你希望一线销售人员能随时向AI提问「这个型号在高原地区适用吗？」「客户要求退货但已经超过7天了怎么处理？」一个没有载入你内部知识的通用Agent无法回答这些问题。
场景四：你想将多个Agent的功能整合到一个角色中。比如你是一家小型企业的老板，你没有专门的采购、库存、财务团队——你就是一个「超级多面手」。你不需要三个Agent分别推送建议，你需要一个「经营助手Agent」同时帮你关注所有关键事项，并按优先级汇总给你。
识别信号很简单：如果你发现自己在反复修改一个标准Agent的配置，试图让它适应你的业务逻辑，却总是差那么一点——这时候就该自定义了。与其把标准Agent扭曲成四不像，不如从零创建一个精确匹配你需求的专属Agent。
自定义不是越复杂越好：一个Agent的复杂度和它的实用性并不成正比。最好的自定义Agent通常不是「功能最全」的，而是「最精准解决一个特定问题」的。当你开始设计自己的Agent时，先问一个问题：如果这个Agent只做一件事，它应该做什么？把那一件事做到极致，然后再考虑扩展。
在进入操作步骤之前，先建立起自定义Agent的整体认知框架。一个完整的EIOS Agent由五个核心要素构成：
要素一：角色定义（Role & Prompt）。定义Agent的身份、职责领域、行为准则。这是Agent的「灵魂」。一个好的角色定义能让AI准确地理解自己该做什么、不该做什么、用什么口吻输出。角色定义的质量直接决定了Agent输出质量的80%。
要素二：知识库（Knowledge Base）。给Agent喂入你的领域知识。可以是文档（产品手册、规章制度、操作流程）、可以是数据（历史报表、行业基准值）、可以是规则（审批规则、合规要求、行业标准）。知识库让Agent从「通用AI」变成「懂你业务的AI」。这背后是RAG（检索增强生成）技术——当你向Agent提问时，它先从知识库中检索相关内容，再结合检索结果生成回答。
要素三：工具链（Tools）。Agent能调用的外部工具和API。包括查询ERP数据库、发送邮件通知、创建钉钉审批、生成PDF报告、调用第三方API等。工具决定了一个Agent的「动手能力」——没有工具，Agent只能纸上谈兵；有了工具，它可以真正地执行业务操作。
要素四：工作流程（Workflow）。Agent处理任务的逻辑流程。简单Agent可能就是一个「接收问题→检索知识→生成回答」的线性流程。复杂Agent可能包含条件分支、循环、多步骤决策树。流程决定了Agent「怎么想、怎么做」——先查什么数据？做什么判断？遇到什么情况走哪条分支？
要素五：输出格式（Output Format）。Agent输出的内容结构和格式。可以是纯文本回答、可以是结构化的JSON数据（供其他系统消费）、可以是Markdown格式的报告、可以是图表。输出格式决定了Agent的产出物是否可以被下游系统或个人直接使用。
这五个要素不是互相独立的——它们紧密关联。你的角色定义决定了你需要什么知识库；你的知识库规模决定了你需要用什么检索策略；你的工作流程决定了你需要哪些工具；你的输出格式决定了你的工作流程的最后一步是什么。创建一个好的自定义Agent，就是在反复调整这五个要素，直到它们形成一个自洽的整体。
五个要素的配置顺序：按照「角色定义→知识库→工具链→工作流程→输出格式」的顺序配置效果最好。因为后面的要素都依赖前面的要素定义。不要在角色还没想清楚的时候就先去配置工具——你会发现配了一堆用不上的工具，白白增加Agent的认知负担。
进入「Agent中心」→ 点击「创建Agent」→ 选择「从空白创建」。首先进入的是角色定义页面。这里是你写Prompt的地方。
Prompt的结构化模板：EIOS提供了一个Prompt编辑器，分为四个区块，强烈建议你逐块填写而不是自由发挥：
1. 角色身份：用一句话定义Agent是谁。好的身份定义是具体的、有边界的。差的例子：「你是一个AI助手。」好的例子：「你是宝软公司的一名资深销售策略分析师，拥有10年以上的B2B工业品销售经验，专精于华东地区制造业客户。」身份定义越具体，AI的表现越专业。
2. 核心职责：列出Agent需要处理的任务范围。用「你应该……你不应该……」的句式明确边界。例如：「你应该：分析销售数据并识别增长机会、为客户分级并推荐差异化跟进策略、生成周度销售预测报告。你不应该：直接给客户发邮件或打电话、修改CRM中的客户数据、做出预算相关的财务决策。」边界定义比职责定义更重要——Agent越清楚自己不该做什么，越不会越界犯错。
3. 行为准则：定义Agent的回答风格和决策原则。例如：「每次分析必须基于数据，引用具体的数据点和来源。如果数据不足以支持某个结论，必须明确说明不确定性。用中文回答，语气专业但不生硬，像一位经验丰富的同事在分享观察。避免使用过度营销化的形容词，如『惊人的』『爆炸性的』。」
4. 示例对话：提供1至3个示例问答，让Agent通过例子理解你期望的输出风格和深度。这是Prompt工程中最被低估的技巧——一个精心设计的示例比一百条规则描述更有效。例如你希望Agent给出的分析带有关键行动建议，就在示例中展示出来：「问：本月华东区销售额下降了8%，原因是什么？答：华东区本月销售额环比下降8.3%（从580万降至532万）。主要拖累因素：A客户上月下单120万本月未续单（贡献了约4个百分点的降幅），该客户上次采购的物料周转周期通常为45至60天，预计下月初需要补货，建议销售在下周联系确认需求。次要因素：苏州区域新客户拓展仅完成目标的60%（原计划3家，实际2家），建议分析苏州市场的获客渠道效率是否出现问题。排除A客户波动因素后，华东区核心客户群体的销售保持平稳（环比增长2.1%）。」这个示例同时展示了AI的分析逻辑、数据引用方式、行动建议的表述风格。
Prompt的迭代铁律：第一版Prompt从来都不完美。写好之后，立刻用几个真实场景测试Agent的响应。观察Agent的回答——它是不是理解偏了你的意图？它的回答是不是太泛了没有深度？它是不是越界做了不该做的事？根据测试结果修改Prompt中的角色定义、职责边界和示例。通常迭代3至5轮后Prompt趋于稳定。把每次迭代的Prompt版本保存下来，你会在其中找到最有效的那一版。
角色定义让Agent知道「我是谁、该怎么做」，知识库让Agent拥有「我知道什么」。没有知识库的Agent就像一个聪明但第一天上班的新员工——会思考但缺乏领域知识。
第一步：收集知识素材。把你要「喂」给Agent的知识整理成文档。支持的文件格式：PDF、Word、Excel、Markdown、TXT、PPT、HTML。不需要重新编写——直接用现有的文档即可，比如产品手册、培训材料、操作流程SOP、行业研究报告、技术规范文件。一个知识库的总大小建议在10MB以内（约等于2000页中文文档），超过这个量级检索效率会下降。
第二步：上传并切片处理。在知识库管理页面，上传你的文档。系统会自动进行文本提取和切片——将文档拆分为一个个小块（每块约500至1000个字符），以便检索时精确定位。你可以预览切片效果，确认关键段落没有被错误切断。对于表格密集的文档（如产品规格表），建议在切片设置中选择「以表格为切片单位」，避免将一行表格数据切成两半。
第三步：配置检索策略。这是知识库配置中最技术性但也最关键的一步。你需要选择检索方式：语义检索根据问题的语义含义匹配最相关的知识块（适合开放式问答，如「这个产品的适用温度范围是多少？」），关键词检索根据精确的关键词匹配（适合精确查询，如「型号ABC-200的技术参数」），混合检索结合两者。对于大多数场景，推荐混合检索——先用语义检索获得Top20候选块，再用关键词对候选块重新排序，取Top5作为最终结果。
第四步：设置检索参数。两个核心参数：检索块数（每次检索返回给AI的知识块数量，默认5块，建议3至8块——太少信息不够，太多会稀释关键信息），相关度阈值（只有与问题相关度高于此阈值的知识块才返回，默认0.7，范围0至1——阈值越高返回的知识越精准但可能遗漏边缘相关信息）。
第五步：测试检索效果。在知识库管理页面有一个「测试检索」功能。输入一个典型问题，系统展示检索到的知识块及其相关度分数。逐一检查——这些知识块是否确实与问题相关？是否遗漏了某段关键内容？如果检索效果不理想，回到第三步调整检索策略和参数。
知识库维护的铁律：知识库不是配置一次就完事的。当你的产品更新了、政策变化了、流程调整了，记得同步更新知识库。一个过时的知识库比没有知识库更危险——Agent会基于过时信息给出看似合理但实际错误的建议。建议设定一个日历提醒，每月检查一次知识库的时效性。
如果说角色定义是Agent的大脑、知识库是Agent的记忆，那工具链就是Agent的手脚——让它能够执行实际操作。
内置工具：EIOS提供了一套标准工具，所有Agent都可以直接使用。包括：数据查询工具（查询已接入EIOS的任何数据集，用SQL或自然语言）、通知工具（发送邮件、企业微信消息、钉钉消息、短信）、文档工具（生成PDF报告、导出Excel）、审批工具（发起审批流程、查询审批状态）、Webhook工具（调用外部API，详见下一篇教程）。
自定义工具：如果内置工具不满足需求，你可以注册自定义工具。在Agent配置的「工具链」页面，点击「添加自定义工具」：填写工具名称（英文，如query_erp_inventory）、工具描述（用自然语言说明工具的功能和使用场景）、参数定义（用JSON Schema定义工具需要的输入参数）、调用方式（HTTP API地址、认证方式、请求格式）。
例如，你想让Agent能够查询公司内部的ERP系统中某个物料的实时库存。自定义工具的定义可以是：工具名称——query_erp_inventory；工具描述——查询指定物料编码在ERP中的实时库存数量、库位、在途数量；参数——material_code（物料编码，字符串），warehouse_id（仓库编号，字符串，可选，不填则查询所有仓库）；调用方式——POST请求到 http://你的ERP地址/api/inventory/query，Header携带API令牌，请求体为JSON。
工具权限控制：每个工具都有权限等级。只读工具（如数据查询）默认开放。写入工具（如创建采购订单、发送外部邮件）需要特别授权。高敏感工具（如发起付款、修改系统配置）必须配置审批流程——Agent提交操作后，需要人工审批通过才会真正执行。这个权限分级机制是确保Agent安全性的关键。
工具选择原则：给Agent配置工具时遵循「最小必要原则」——只给Agent完成其职责所必需的工具。多一个不需要的工具，就多一分误用的风险。例如一个「销售分析Agent」需要数据查询工具，但绝对不需要发起付款的工具。
自定义工具的调试方法：在保存自定义工具前，一定要在配置页面中的「测试调用」功能中测试。输入一组测试参数，检查返回结果是否符合预期。一个配置错误的自定义工具可能导致Agent在执行任务时反复失败，而且Agent自己无法判断是工具的问题还是输入参数的问题。
五个要素全部配置完成后，你有了一个自定义Agent的初始版本。但这只是起点。一个真正好用的Agent是反复测试和迭代出来的。
第一步：场景测试。准备5至10个典型使用场景，逐一让Agent处理。这些场景应该覆盖正常情况（80%的日常使用）、边界情况（15%的不常见但可能发生的场景）、异常情况（5%的错误输入或极端情况）。例如销售分析Agent的测试场景：正常情况——「分析上月华东区销售数据并给出建议」，边界情况——「某个客户连续三个月没有采购记录，分析原因」，异常情况——「数据源连接失败时给我一份基于最近可用数据的分析」。
第二步：评估输出质量。对Agent的每次输出进行打分。EIOS提供了一个简单的评估框架：准确性（数据是否正确？计算是否有误？结论是否有数据支撑？）、完整性（是否覆盖了用户问题的所有方面？是否遗漏了重要信息？）、可用性（输出是否可以直接使用？是否需要大量修改？建议是否具体可行？）、风格一致性（语气是否符合Prompt中的要求？格式是否规范？）。
第三步：分析失败案例。把得分较低的输出单独拿出来分析。Agent为什么回答错了？是角色定义不够清晰导致理解偏差？是知识库中缺少相关文档？是工具调用返回了错误数据？是Prompt中的示例不够有代表性？找到根因后，针对性地修改对应配置要素。不要一次改好几个要素——你无法判断哪个改动带来了改善。
第四步：渐进式上线。Agent初步通过测试后，不要立即全公司推广。先让1至2个最熟悉该业务领域的同事试用一周。他们能快速发现AI不合理的输出（因为他们最懂行），给你最精准的反馈。根据试用反馈再迭代一轮，然后逐步扩大使用范围。
第五步：建立反馈闭环。在Agent的使用界面中，每个输出的下方都有一个「有帮助/无帮助」的评价按钮和一个可选的文字反馈框。鼓励使用者积极反馈。每周回顾反馈数据，识别系统性的问题模式（比如连续多个用户反馈Agent的某些建议不切实际），然后针对性地改进。这个持续反馈闭环是Agent从「能用」进化到「好用」的关键。
Agent迭代的心态：把第一个版本的Agent期望值设低一点。第一版如果能准确处理60%的典型场景，已经很不错了。经过三轮迭代达到85%至90%，就是可以正式上线的成熟Agent。剩下的10%至15%的边界场景，可能需要几个月的持续使用和优化才能覆盖。这不是失败，这是AI产品开发的正常节奏。
创建自定义Agent是EIOS进阶玩法中最有创造性的部分。它让你从「使用工具的人」变成「创造工具的人」。下一篇我们将讲解API接入指南——如何用Python和JavaScript代码调用EIOS的各项能力，把AI集成到你已有的系统中。