5 AI智能体学习-第五章-基于低代码平台的智能体搭建5.1 平台化构建的兴起本章将聚焦于如何利用图形化、模块化的低代码平台来快速、直观地搭建、调试和部署智能体应用将我们的重心从“实现细节”转向“业务逻辑”。5.1.1 为何需要低代码平台其核心价值主要体现在以下几个方面:降低技术门槛提升开发效率提供更优的可视化与可观测性标准化与最佳实践沉淀低代码平台并非要取代代码而是提供了一种更高层次的抽象。它让我们可以从繁琐的底层实现中解放出来更专注于智能体“思考”与“行动”的逻辑本身从而更快、更好地将创意变为现实。5.1.2 低代码平台的选择各具代表性的平台Coze、Dify、FastGPT和n8n1Dify核⼼定位Dify 是⼀个开源的、功能全⾯的 LLM 应⽤开发与运营平台特点分析对于追求专业、稳定、可扩展的企业级应⽤⽽⾔Dify 提供了坚实的基础。适⽤⼈群有⼀定技术背景的开发者2FastGPT核⼼定位FastGPT 是⼀个开源的、基于 LLM ⼤语⾔模型的知识库问答平台与 Agent 构建⼯具专注于提供简单易⽤的 RAG检索增强⽣成解决⽅案和可视化⼯作流编排能⼒。特点分析FastGPT 最核⼼的优势在于其对知识库问答场景的极致优化灵活对接于与企业微信、钉钉、⻜书等现有系统快速集成适⽤⼈群希望基于私有知识库快速搭建3n8n核⼼定位n8n 本质上是⼀个开源⼯作流⾃动化⼯具特点分析n8n 的强项在于“连接”。可以轻松连接复杂自动化流程通⽤⾃动化能⼒是独⼀⽆⼆的适⽤⼈群需要将 AI 能⼒深度整合进现有业务流程、实现⾼度定制化⾃动化的开发者和企业5.2 平台⼀Coze5.2.1 Coze 的优势与局限性分析一、核心优势插件生态强大丰富的插件库让智能体能轻松接入外部服务和数据源扩展性强。 可视化编排门槛低通过拖拽方式构建复杂工作流无需深厚编程基础开发难度大幅降低。 提示词控制灵活支持精确的角色设定和提示词编写能对智能体行为做细粒度控制还支持提示词管理与模板方便开发者复用和开发。 多平台部署便捷同一智能体可发布到不同应用平台实现跨平台无缝集成Coze 还在不断整合新平台生态圈持续扩大。二、主要局限性不支持 MCP作者认为这是“最致命的”短板可能成为限制 Coze 发展的枷锁若开放将成为又一杀手锏。 部分插件配置复杂度高涉及 API Key 或高级参数的插件需要一定技术背景复杂工作流编排也不只是零基础就能掌握需要 JS 或 Python 基础。 无法直接导入编排 JSON 文件付费版虽支持导出/导入但格式是 zip 而非像 Dify、n8n 那样的 JSON只能在 Coze 内部闭环使用取巧办法是复制编排内容CtrlA、CtrlC再粘贴到其他工作流。一句话总结Coze 的优势在于插件生态、可视化编排、提示词控制和多平台部署适合快速构建和发布智能体但局限在于不支持 MCP、部分插件配置门槛较高、编排文件格式封闭这些可能制约其进一步发展。5.3 平台⼆DifyDify 是一个开源的大语言模型LLM应用开发平台融合了 后端即服务BaaS 和 LLMOps 理念为从原型设计到生产部署提供全流程支持。安装所需插件配置MCPModel Context Protocol重点如何使用云端部署的 MCP 服务5.4 平台三FastGPTFastGPT 是⼀个开源的、基于⼤语⾔模型的知识库问答平台与 Agent 构建⼯具其核⼼定位是企业级 AI ⽣产⼒引擎专注于提供简单易⽤的 RAG检索增强⽣成解决⽅案和可视化⼯作流编排能⼒。与 Coze 的零代码体验和 Dify 的全栈开发能⼒不同FastGPT 将知识库问答作为第⼀等公⺠围绕数据导⼊—智能分块—向量检索—对话⽣成这⼀完整链路进⾏了深度优化。5.4.3 FastGPT 的优势与局限性分析续·总结总结场景推荐度理由企业私有知识库问答、智能客服、专业领域咨询⭐⭐⭐⭐⭐RAG 链路打磨最深开箱即用体验最好需要接入大量第三方 MCP 工具、且团队有一定技术能力⭐⭐⭐⭐原生 MCP 是核心加分项但需自行配置多模型自由切换、避免供应商绑定⭐⭐⭐⭐模型中立设计国内外主流模型都能接非技术用户快速搭一个带丰富插件的 Bot⭐⭐插件生态薄弱不如 Coze 上手快预算有限、需要频繁测试迭代⭐⭐免费额度紧张付费前体验受限一句话结论FastGPT 知识库优先的智能体平台。如果你的核心诉求是用私有知识库构建高质量问答它是当前最值得选的平台之一如果你更看重插件生态丰富度、开箱即用的模板、或者零成本快速试错Coze 和 Dify 会更合适。所以选型时不必追求全能平台按核心场景选主平台边缘能力用 MCP 或 HTTP 节点补往往比在一个平台上硬凑所有功能更省事。5.5 平台四n8nn8n 的核⼼身份是⼀个通⽤的⼯作流⾃动化平台⽽⾮⼀个纯粹的 LLM 应⽤构建⼯具。理解这⼀点是掌握 n8n 的关键。在使⽤ n8n 构建智能应⽤时我们实际上是在设计⼀个更宏⼤的⾃动化流程⽽⼤语⾔模型只是这个流程中的⼀个或多个强⼤的“处理节点”。n8n 的真正威⼒在于其强⼤的“连接”能⼒。5.5.1 n8n 的节点与⼯作流节点 (Node)触发节点 (Trigger Node)它是整个⼯作流的起点负责启动流程。例如“当收到⼀封新的 Gmail邮件时”、“每⼩时定时触发⼀次”或“当接收到⼀个 Webhook 请求时”。⼀个⼯作流必须有且仅有⼀个触发节点。常规节点 (Regular Node)负责处理具体的数据和逻辑。例如“读取 Google Sheets 表格”、“调⽤ OpenAI 模型”或“在数据库中插⼊⼀条记录”。⼯作流 (Workflow)⼯作流是由多个节点连接⽽成的⾃动化流程图5.5.2 搭建智能邮件助⼿两个核⼼步骤准备 Agent 的“记忆”创建⼀个独⽴的流程为 Agent 加载私有知识库。构建 Agent 主体创建接收邮件、思考并回复的主⼯作流。5.5.3 构建 Agent 的私有知识库(1) 定义知识源节点 Code内容将您的知识以 JSON 格式写⼊。return[{doc_id:work-schedule-001,content:我的⼯作时间是周⼀⾄周五上午9点到下午5点。时区是澳⼤利亚东部标准时间AEST。},{doc_id:off-hours-policy-001,content:在⾮⼯作时间包括周末和公共假期我⽆法⽴即回复邮件。},{doc_id:auto-reply-instruction-001,content:如果邮件是在⾮⼯作时间收到的AI助⼿应该告知发件⼈邮件已收到我会在下⼀个⼯作⽇的9点到5点之间尽快处理并回复。}];(2) 文本向量化 (Embeddings)节点Embeddings Google Gemini模型gemini-embedding-exp-03-07(3) 存⼊向量存储节点 Simple Vector StoreOperation Mode: Insert Documents (写⼊模式)。Memory Key: 为这个知识库起⼀个唯⼀的名字5.5.4 创建 Agent 主⼯作流1配置 Gmail 触发器!!!注意 谷歌账户谷歌邮箱2配置 AI Agent 节点对于AI Agent节点我们需要填的主要是User Message和System Message部分# Prompt (User Message) # 上下文信息 - 当前时间: {{ new Date().toLocaleString(en-AU, { timeZone: Australia/Sydney, hour12: false }) }} (澳大利亚悉尼时间) - 发件人: {{ $json.From }} - 主题: {{ $json.Subject }} - 邮件正文: {{ $json.snippet }} # System Message # 角色和目标 你是一个全天候待命、专业高效的AI邮件助手。你的任务是第一时间使用公开信息尽力回答所有邮件中的问题并根据我的工作日程在回复的开头附加上下文状态提醒。 # 上下文信息 - 当前时间: {{ new Date().toLocaleString(en-AU, { timeZone: Australia/Sydney, hour12: false }) }} (澳大利亚悉尼时间) - 邮件信息在输入数据中。 # 可用工具 - Simple Vector Store2: 用来查询我准确的工作时间例如周一至周五上午9点到下午5点。 - SerpAPI: **[主要信息来源]** 优先使用此工具在互联网上搜索以回答邮件中的具体问题。 # 执行步骤 1. **分析问题**: 首先仔细阅读邮件内容提炼出发件人的核心问题。 2. **并行信息搜集**: 同时执行以下两个操作来收集信息 a. 使用 SerpAPI 工具上网搜索出发件人问题的答案。 b. 使用 Simple Vector Store2 工具获取我设定的准确工作时间。 3. **草拟核心回复**: 根据 SerpAPI 搜集到的信息清晰、直接地回答发件人的问题这部分将作为邮件回复的主体。 4. **添加状态前缀并整合**: a. 对比“当前时间”和我从工具中获取的工作时间。 b. **如果当前是“非工作时间”**: 创建一段状态提醒前缀。这段前缀**必须包含**从 Simple Vector Store2 获取到的具体工作时间。 * **前缀示例**: 您好感谢您的来信。您已在我的非工作时间联系我我的工作时间为[此处插入查询到的工作时间]。我会在下一个工作日亲自审阅此邮件。与此同时这是根据公开信息为您找到的初步答复**brbr---brbr** c. **如果当前是“工作时间”**: 只需使用简单的问候语即可。 * **前缀示例**: 您好关于您提出的问题答复如下**brbr---brbr** d. 将生成的前缀和你草拟的核心回复第3步的结果拼接在一起形成最终的邮件正文。 5. **格式化输出**: 你必须将最终生成的邮件内容以一个严格的 JSON 格式输出。格式如下不要添加任何额外的解释或文字 { shouldReply: true, subject: Re: [原始邮件主题], body: [这里是拼接好的、完整的邮件回复正文**所有换行必须使用HTML的br标签**] } # 规则和限制 - **永远优先尝试回答**: 无论何时你的首要任务是使用 SerpAPI 为用户提供有价值的回复。 - **必须声明状态**: 如果在非工作时间回复必须在邮件开头明确声明并附上我准确的工作时间。 - **信息来源要准确**: 工作时间必须严格以 Simple Vector Store2 的结果为准问题答案主要来源于 SerpAPI不要编造信息。 - **输出格式**: **在最终输出的JSON中body字段内的所有换行都必须使用 br 标签而不是 \n。**Operation Mode: Retrieve Documents (As Tool for AI Agent) (作为工具的读取模式)。Memory Key 必须填写与第一部分完全相同的 Key即 my-dailytime。Embeddings: 必须使用与第一部分完全相同的 Embeddings Google Gemini 模型。5.5.5 n8n 的优势与局限性分析