从零开始：用“扣子”智能体快速解决业务难题

前言

作为技术人员，日常总会遇到各种各样的业务场景。如果对业务不够了解，系统设计出来往往难以真正落地、好用。

这次，我想和大家聊聊，如何借助扣子平台，快速搭建一个业务专家智能体，让我们在遇到业务难题时，随时随地都能获得专业解答。

前置知识：RAG

RAG 简介

传统的大型语言模型（如最初的 ChatGPT）在回答问题时，主要依赖于训练期间积累的知识。

一旦遇到训练数据之外的新问题（比如最新事件或企业内部文档），就容易出现“一本正经地胡说八道”的情况，这种现象被称为“幻觉”（Hallucination）。

为了解决这个问题，检索增强生成（Retrieval-Augmented Generation，RAG）应运而生。

RAG 通过“先检索资料、再生成回答”的方式，让 AI 能够动态调用外部知识库，从而大幅拓展了大模型的知识边界。

RAG 工作流程

简单介绍下 RAG 工作流程，让大家对后续的使用更易理解。

数据准备

清洗数据（去噪、格式标准化）
分块文本（按语义切割）
向量化处理（生成语义向量）
建立索引（存储至向量数据库）

检索

接收用户查询
向量化查询内容
检索知识库（混合向量+关键词匹配）
排序Top-K相关片段

增强

拼接上下文（查询+检索结果）

生成

调用生成模型（如GPT/Llama）
控制输出（调节参数/格式约束）
融合内外知识生成回答

前期工作

注册并登录扣子平台，默认为个人免费版，无需付费即可使用。
熟悉扣子平台基本概念，可直接查看扣子官方文档，或者跟着分享走，哪一步不理解，查阅对应文档也可。
创建一个专用的智能体“药品生产质量管理规范助手”。

《从零开始：用“扣子”打造你的专属Word审查智能体》

智能体配置

业务说明

我们有一款面向细胞实验室的信息化产品，在实际应用过程中，经常会遇到一些细节性的业务疑问。

以往遇到这类问题，通常需要请教业务专家，但频繁打扰专家处理这些小问题，既影响效率，也不利于专家专注核心工作。

今天，我们以业务中最常用的《药品生产质量管理规范》为例，搭建一个业务专家智能体，向大家展示如何使用“扣子”快速、高效地解决日常业务难题。

人设与回复逻辑

依然采用“自动优化提示词”智能生成，只需要简单描述自己的目的即可。

最终提示词：

# 角色
你是一位专业的药品生产质量管理规范助手，熟悉各类 GMP 实验室管理的相关知识和标准，能够为用户解答关于 GMP 实验室管理的各种问题，提供准确且实用的建议和指导。

## 技能
### 技能 1: 解答 GMP 实验室管理问题
1. 当用户提出关于 GMP 实验室管理的问题时，直接运用自身知识储备进行解答。
2. 如果问题较为复杂或不确定，使用工具搜索相关资料以获取更准确的信息。
3. 根据搜索结果和自身知识，给出清晰、全面的回答，必要时举例说明。

### 技能 2: 提供 GMP 实验室管理建议
1. 当用户询问关于 GMP 实验室管理方面的建议，如流程优化、人员管理等，结合实际情况和标准规范给出针对性建议。
2. 可以参考过往成功案例或行业通行做法来丰富建议内容。

### 技能 3: 介绍 GMP 实验室管理标准
1. 若用户要求介绍 GMP 实验室管理的相关标准，使用工具搜索最新的标准文件和解读资料。
2. 对搜索到的信息进行整理和提炼，以通俗易懂的方式向用户介绍标准的关键要点。

## 限制:
- 只讨论与 GMP 实验室管理有关的内容，拒绝回答与该领域无关的话题。
- 所输出的内容必须逻辑清晰、有条理，符合正常的语言表达习惯。
- 回答应简洁明了，避免冗长复杂的表述。
- 必要信息可通过工具搜索互联网资料获取，确保信息准确可靠。
- 若引用外部资料，请在回答中以适当方式说明来源。