FDE 备考笔记(精要版)
〇
一页速记(先背这张)
四层包含
AI ⊃ 机器学习 ⊃ 深度学习 ⊃ 生成式 AI(符号 AI 属于 AI,但不属于机器学习)
年份
1956 AI 元年(达特茅斯会议)|2017 Transformer|2022 底 ChatGPT(两个月用户破亿)|2023 初 AutoGPT/BabyAGI|2024 前后 MCP(Anthropic 提出)|2025 初 Claw
LLM 本质
预测下一个 token 的文字接龙;token 是最小处理单位,成本按 token 计,不按字数
能力链
Prompt 定人设 → Memory 管记事 → Embedding+RAG 查资料 → Tool Use 动手 → MCP 统一规矩
五种范式
标准(稳定问答)/ 单工作流(流程固定)/ Multi-Agent(多角色协作)/ Claw(动文件跑命令)/ 智能工作台(自然语言搭应用)
上线七步
开通建空间 → 建应用选模式 → 配知识工具 → 搭逻辑 → 调试评测 → 发布接入 → 监控运营
调试 vs 评测
调试 = 单次找错(搭建中);评测 = 批量看稳不稳(成型后)
长期记忆
按(用户 × 应用)隔离,不按 Session
父子切分
子信检索精准,父保上下文完整
关键数字
10+ 文档类型、单文档 200MB|200+ 连接器|Claw 最多 80 个 Skills|首字 < 1 秒|自研 2B Embedding(C-MTEB SOTA)|Reranker 支持 8k+ 长文本
一
AI 与智能体基础(第 1 章)
1.1 概念地图
- 人工智能 = 一个"愿望"(让机器像人一样思考做事);机器学习 = 主流实现路径(喂数据自己学规律);深度学习 = 机器学习里"最能打"的一支(神经网络层数深);生成式 AI = 深度学习里最新最耀眼的一块(能生成新内容)
- 两条路线:符号 AI(人写死规则,早期专家系统)vs 机器学习(数据学规律)
- AI 三阶段:
- 会认(1950s–1990s):手写数字识别(Yann LeCun,LeNet),银行支票/邮编分拣
- 会判断(1990s–2016):垃圾邮件过滤、商品推荐、信用风控
- 会创造(2017 至今):Transformer → BERT/GPT → ChatGPT;能写能画能作曲
1.2 大语言模型
- Transformer 是架构(图纸)不是产品;注意力机制 = 一眼看全句 + 大规模并行;解决 RNN/LSTM 长距离健忘、训练慢的问题
- LLM 两大天生毛病:幻觉(通顺 ≠ 正确)+ 对当下无知(不知自己是谁、现在几点;上下文窗口有限,长了接不准)
- token(词元):可能是汉字、英文单词、单词片段或标点;图像/音频也可拆 token
- Prompt:系统提示词(人设与规则,用户看不见,可超 4000 token)+ 用户提示词(当下需求)
- Memory:短期(本次会话)/ 长期(跨会话绑定账号);组织信息喂回模型 = 上下文工程(Prompt 是其中一部分)
- Embedding:文字 → 向量(几百到一千多维);语义近则距离近;有类比代数(教师−学校+医院≈医生);应用:语义搜索/推荐/分类/聚类
- RAG 三步:① 资料切分并向量化入库 → ② 问题向量化就近检索召回 → ③ 资料+问题塞给模型生成(答案准确、实时、可溯源)
- Tool Use:工具 = 函数(Function Call);模型只判断"何时调哪个工具填什么参数",结果回传再组织成自然语言
- MCP(Model Context Protocol):工具调用的"普通话",Anthropic 2024 年前后提出;工具挂一次、各家 AI 即插即用
1.3 智能体(Agent)
- 定义:人只给目标,Agent 自己拆解任务、规划步骤、调工具、按结果调整直到完成("听指令的执行者"→"能扛事的员工")
- 核心循环:Goal → Action → Observation(订餐厅例:搜索→对比→订位;满座→改订 B)
- 本质仍是接龙:把目标/上一步/观察结果不断喂回 LLM 接出"下一步"
- 2022 前后两块拼图:RLHF+指令微调(会听人话)、思维链 CoT(会分步想)→ 2023 初 Agent 项目涌现
四种编排方式
| 方式 | 一句话 | 适合 |
|---|---|---|
| 单 Agent | 一个人干 | 目标清晰步骤不多 |
| 多 Agent | 团队协作(分工+专精+复核) | 复杂任务;代价是调度复杂成本高 |
| Workflow | 流程固化成流水线,AI 是"操作员" | 每次都走同样步骤的业务 |
| Claw | 能操作电脑的 AI(鼠标/键盘/文件/命令) | 开放探索、电脑操作任务 |
- Claw 本质 = 电脑操作封装成工具,与 Tool Use/MCP 同源;可与聊天工具连用("发消息电脑自己干活")
- Claw 三风险:安全(误删/泄露/恶意指令)、权限(该不该碰)、长任务仍吃力
- 任务执行三判断(QUIZ 要点):范围明确写新文件可逆 = 可自动|群发影响他人 = 需人工确认|不可逆删除 = 不应执行
- 本地 Claw(贴近个人工作流、耗本机算力)vs 云端 Claw(弹性隔离、算力成本高、需管数据边界)
- 企业落地五堵墙:知识从哪来(RAG 工程量)|工具怎么接|流程怎么搭|权限安全怎么办|效果成本怎么算
- 企业级 Agent 六大特性必背:可控性、可测性、可审计性、可运维性、可复用性、可集成性
二
ADP 产品能力(第 2 章)
2.1 定位与能力地图
- ADP = 腾讯云智能体开发平台(Agent Development Platform):构建、上线、持续运营智能体的企业级平台
- 不是:普通 Chatbot(只有对话入口)|单一大模型接口(只给模型能力)|传统知识库系统|传统 RPA(固定规则)
- 能力地图公式:构建模式 × 核心能力组件 × AI Model
- 例:标准模式+RAG+LLM = 知识问答助手|单工作流+Workflow+Plug-in = 流程办理助手|Multi-Agent+RAG+Workflow = 分析复核助手
- 只有大模型不够 → ADP 补足:知识库/RAG/引用(可溯源)|工具/API/MCP/Skills/连接器(调系统)|Workflow/分支/变量(稳定执行)|权限/发布/版本(治理)|调试/评测/日志/运营(持续优化)
2.2 四大产品优势考点
- 更精准的对话效果:企业级文档理解(优图 OCR,10+ 文档类型、200MB 单文档、图文混排/表格/公式);自研 2B Embedding(C-MTEB SOTA)+ LLM Reranker(8k+ 长文本、分层知识蒸馏);Agentic RAG(多轮检索/跨文档推理)+ Text-to-SQL(上万行表格问数)
- 一站式开发与运营:全生命周期(配置→开发→调试→评测→发布→运营);企业级评测体系(裁判模型/规则/代码);零代码低代码优先;行业模板
- 灵活的模型与开放生态:多模型统一接入;200+ 连接器、全面支持 MCP;RESTful API/SDK、企微/小程序渠道
- 企业级安全性能:流式响应首字 < 1 秒;多租户强隔离;多层级权限(平台/空间/应用/知识库);实时监控(请求量/成功率/延迟/Token)
- 部署形态:公有云(按量计费快速上手)+ 私有化(数据隐私合规网络隔离)
2.3 应用与模型设置
- 创建应用:基础信息(名称/图标/描述)+ 应用模式(五选一)
- 模式切换:标准/单工作流/Multi-Agent 三者可互切;Claw 一旦创建不可切换(别的也不能切成 Claw);切换后知识库和工作流保持,提示词/模型配置不继承
- 七类模型分工易考多选:思考模型(意图识别/任务规划/选工具)|生成模型(理解总结生成回复)|多模态问答模型(用户上传图片)|多模态阅读理解模型(知识库多文多图片段)|Prompt 改写模型(解决多轮"上下文割裂")|AI 一键优化模型(优化提示词/生成代码)|实时文档解析模型
- 默认推荐模型是最佳实践验证过的,不建议随意修改
- 生成参数:温度(高=随机创意,低=集中稳定,制度问答要低温)|top_p(核采样多样性)|最大输出长度|上下文轮数(多轮相关性强但耗 token)
- 角色指令:限定角色/语种/语气/格式;支持版本管理、模板、AI 一键优化(耗 token)
- 欢迎语:客户端首页显示,可插应用级变量
2.4 变量易考隔离规则
- 应用级:SYS(系统变量,只读:UserQuery/RewriteQuery/ChatHistory/CurrentTime/RequestId/Memory)|ENV(环境变量,密钥,secret 加密显示 *****)|API(调用方传入)|APP(应用内跨模块传递)
- 工作流级:WF 工作流变量(开始节点定义,仅变量赋值节点赋值)|节点输入变量|节点输出变量
隔离表背
| 变量 | 用户隔离 | Session 隔离 |
|---|---|---|
| 系统变量(除 SYS.Memory) | 是 | 是 |
| SYS.Memory | 是 | 否 |
| 环境变量 ENV | 否 | 否 |
| API 参数 / 应用变量 | 是 | 否 |
| 工作流变量/节点输入/输出 | 是 | 是 |
- 用户隔离 > Session 隔离(范围更大)
2.5 长期记忆
- 唯一性 = 终端用户 × 应用(A 在应用1=A1,A 在应用2=A2,B 在应用1=B1,互相独立)
- 两模块:长期记忆总结(每轮对话都运行,更新 SYS.Memory)+ 长期记忆召回(新对话取记忆做个性化)
- 例:记住"素食主义者" → 后续推荐素食餐厅
2.6 知识库(RAG 落地)
- 知识三类型:文档(稳定内容:制度/手册/SOP)|问答(高频标准口径)|数据库(结构化字段查询)
- 两级知识库:平台级(主账号下多应用共享引用,适合公共资料)|应用级默认库(仅当前应用,不可跨应用共享);调整引用关系后需重新发布应用;评测进行中不能改知识库;被引用的知识库需先解除引用才能删
RAG 处理链路顺序排序题
知识导入→
解析→
切分→
Embedding/索引→
检索召回→
生成回答→
引用展示
- 文档导入四种方式:本地文档 / 网页文件 / 腾讯文档 / 腾讯云 COS
导入限制数字题重点
| 文件类型 | 上限 | 备注 |
|---|---|---|
| pdf/doc/docx/ppt/pptx/mhtml/wps/ppsx | 200MB | 主文档类型 |
| keynote/pages | 50MB | — |
| xlsx/xls/csv/md/txt/html/xmind/json/xml/log/numbers | 20MB | 行数 3 万、列数 180 |
| 带文字图片 jpg/png/jpeg/tiff/bmp/gif | 50MB | 长宽比 ≤ 1:7 |
| 表格文件问答上限 | 1 万行、100 列 | 建议一个 sheet 一张表,全空行影响问答 |
| 网页爬取 | 不支持需登录验证的页面、不支持异步加载内容 | |
切分四方式
| 方式 | 适用 | 要点 |
|---|---|---|
| 默认切分 | 全部类型、无特殊要求 | 模型切分,支持语义完整/跨页表格合并/图表解析,不支持用户干预 |
| 通用标识符切分 | 非表格类 | 自设标识符+切片最大长度+重叠长度 |
| 父子标识符切分 | 非表格类、检索要精准且上下文要完整 | 子级切片用于检索,命中后召回父级片段给模型 |
| 按行切分 | 表格类(xlsx/xls/csv) | 设表头范围/起始行/切分行数,适合 SKU 类 |
- 切片过大 → 混入噪声、检索精度降;过小 → 上下文断、答案碎片化
- 智能结构化解析:自动判断表格是否结构化,非结构化(合并单元格/动态列/分页重复表头)可改写成结构化表
- 文档对比任务:同名同类型不同内容 / 相同网址 → 自动触发;也可手动选 2 个文档对比
- Agentic RAG:Agent Loop 框架,自主反思 + 多轮迭代检索 + 智能切换检索策略;适用多文档整合/复杂条件筛选/交叉验证/深度推理;使用前提:Claw 或 Multi-Agent 应用 + AgenticRAGSearch 工具;比传统 RAG 耗 token,简单场景仍用传统 RAG
连接器 / 工具 / Skills 分工
- 连接器 = 接第三方 SaaS/企业系统数据与操作(TAPD、乐享、GitHub;需授权鉴权)
- 工具 = 独立原子能力(文档抽取、图片理解、内容安全)
- Skills = 专业能力扩展(翻译/识别/合成),Skills 广场安装、自定义上架、企业共享
接入安全五层多选题高发
可信来源→
最小权限→
凭证保护→
执行控制→
审计与异常
- 最小权限:默认不给管理员权限,查询写入分开授权
- 凭证保护:用加密环境变量,密钥不进前端/提示词
- 执行控制:高危动作二次确认+回滚方案
- 审计与异常:调用留痕,重试有上限
2.7 Workflow
- 核心价值:把开放式对话转为可验证、可复用的流程;适合步骤/输入输出/判断条件明确的任务
- 画布 = 拖拽节点 + 连线;至少要有一个结束回复节点才能正常运行;节点输入连前序输出,输入间/输出间不能互连;支持并行
节点四类
| 类别 | 节点 |
|---|---|
| 信息收集类 | 参数提取、选项卡、文件收集、文本收集 |
| 信息处理类 | 大模型、大模型意图识别、大模型知识问答、知识检索、连接器与工具、Widget、代码、Agent 节点 |
| 变量处理类 | 变量聚合、变量赋值、变量转换 |
| 基础节点 | 条件判断、回复、数据库、循环、批处理、开始、结束 |
- 灵活对话:必填信息不全会自动反问澄清;内置 Agent 全局监控接管对话、识别退出/寒暄意图
2.8 Multi-Agent
- 核心特点:把主动权交给模型,自主规划执行路径
- 三类核心任务:思考规划(拆解子任务)+ 主动选择调用工具 + 主动纠错反思,循环执行
- Agent 配置项:名称(简洁明确)|模型|转交描述(给别人看:何时转给我)|提示词(给自己用:工作逻辑)|连接器与工具|转交关系|协同方式|高级设置(澄清询问/思考模式=效果优先或速度优先/最大推理轮数/上下文轮数/结构化输出 JSON)
三种协同方式必背
| 方式 | 特点 | 适用 |
|---|---|---|
| 自由转交 | 模型驱动,配置简单,稳定性取决于名称+转交描述 | 快速配置的简单任务 |
| 工作流编排 | 固定流程编排 Agent 节点,稳定可控 | 需稳定执行的固定流程 |
| Plan & Execute | Planner 拆解 + Executor 执行,效果好但耗时长 | 复杂任务、不要求实时;仅支持单轮对话 |
2.9 Claw
- 核心差异四条:开箱即用(内置模型免配置)|最多 80 个 Skills|独立工作空间(适合长耗时、文件读写)|不支持模式切换
- 像"随时在线的数字同事":自主编写运行代码、调用 Skills/工具/连接器
2.10 从开发到上线(七步)顺序题
- 开通产品并创建工作空间(实名认证后自动建 1 企业 + 1 默认空间;企业=组织级资源权限,空间=放应用/知识库/工作流)
- 创建应用并选择模式
- 配置知识库、连接器和工具(知道什么 + 能做什么)
- 搭建智能体逻辑(提示词/模型参数/工作流/Multi-Agent 调度)
- 对话调试与效果评测(调试看单次,评测看批量:召回率/准确率)
- 发布应用与渠道接入(组件嵌入/企微/公众号/小程序/API/SDK)
- 监控运营与持续优化(请求量/成功率/延迟/Token 消耗 → 回流优化)
API 接入四方式匹配题
| 方式 | 特点 |
|---|---|
| 同步 HTTP | 短任务,设合理超时 |
| 异步调用 | 长任务,保存任务 ID 查状态 |
| HTTP SSE | 服务端单向推送流式片段,非双向 |
| WebSocket | 双向实时,建连 Token 及时用不长期复用 |
- Widget:展示进度/选项/图表/按钮等结构化组件;按钮由系统生成不能默认可信,后端仍要校验
- 调用凭证由后端保管,不进公开前端/URL/提示词/日志明文
三
实战:使用 ADP 开发智能体(第 3 章)
3.1 方案设计方法
- 客户需求 → 7 维度:背景与现状|业务目标|使用对象|任务边界|资料与知识|系统与工具|限制与验收
- 第一期原则:选能闭环、可验收的切口(资料稳的先做知识;流程固定的先做自动化;多角色的先明确职责)
模式选择四信号高频考点
| 信号 | 优先方向 |
|---|---|
| 流程是否固定 | 单工作流模式 |
| 答案是否需要稳定溯源 | 标准模式 |
| 是否需要角色协作 | Multi-Agent 模式 |
| 是否需要动手处理文件/代码 | Claw 模式 |
| 是否还在探索需求 | 智能工作台入口 |
- 方案画布 8 字段:背景现状/业务目标/用户与入口/ADP模式/知识与资料/流程与工具/输入与输出/边界与验收
- 场景拆解四层:业务流程(谁完成:用户/智能体/人工)|输入输出(自然语言 vs JSON/表格给系统)|知识依赖|系统依赖
- 行业通用六确认:资料|数据口径(避免同名指标各算各的)|系统动作(查 vs 改分级)|权限|指标(基线+测试集+灰度)|人工兜底
- 操作三级:只读查询可自动|可逆动作(建工单)校验入参+留痕|高危动作(删除/付款/改价/赔付/改配置)必须审批或二次确认+回滚方案
- 责任 AI:法律/医疗/金融/绩效处分等高风险输出只能作辅助,保留授权专业人员审核;免责声明不能替代权限控制、人工确认和申诉渠道
3.2 标准模式实战:企业知识探索助手(知识问答)
搭建路径 13 步:
创建应用→
测空应用基线→
系统提示词→
模型对比→
欢迎语+示例问题→
联网搜索→
上传知识库→
问答对→
同义词→
兜底拒答→
长期记忆→
测试集→
发布
- 系统提示词:角色/能力边界/回答风格/知识库使用规则/输出格式"结论-解释-操作建议-注意事项"
- 联网搜索:只补公开信息,查内部数据要关掉
- 问答对:高频问题标准口径
- 同义词:解决换说法:如"基础模式"→"标准模式"
- 兜底拒答:设置兜底回复时须关闭联网搜索
- 测试集(七类):知识库问答/模式选择/问答对/同义词/拒答/联网/长期记忆/输出格式
- 测试集建议 20–50 条:高频 + 边界 + 同义问法 + 无答案 + 恶意诱导
- 部门知识隔离四步:校验身份 → 限定范围 → 传入权限 → 持续审计(提示词写"禁止越权"不能替代身份校验和检索隔离)
- 发布后必须用户视角再测一次;改配置必须重新发布
3.3 单工作流实战:电商售后客服处理助手
主流程结构题必背
开始→
参数提取(订单号/商品/问题/诉求/情绪等级)→
意图识别→
四分支(物流/支付退款/退换货/其他转人工)→
大模型知识问答检索 + 分支策略生成→
变量聚合→
最终客服回复生成→
回复节点→
结束
- "单"指指定一个主工作流承接请求,不是只能建一个工作流
- 系统变量入口:SYS.UserQuery / SYS.ChatHistory / SYS.CurrentTime / SYS.RequestId
- 参数提取:只提取明确提供的信息,不编造;缺失字段留空
- 意图识别:意图要互斥、描述具体、带示例
- 变量聚合:多分支合并回统一链路(取非空输出),后续节点只写一次
- 回复节点必须加:大模型节点输出不会自动显示给用户;结束节点输出变量用于"工作流调工作流"
- 调试顺序:单节点调试 → 再全流程
- 退款分支不承诺"立即到账";转人工分支不需要知识检索
- 迁移结构不变,只换知识库 + 意图 + 提示词
3.4 Multi-Agent 实战:客户方案共创助手
- 结构:主 Agent(接待+澄清+分发)+ 3 子 Agent(行业调研/方案设计/交付风险评审);建议初学者 3–4 个 Agent
- 主 Agent 提示词核心:先判断、再追问、再转交(否则它自己抢答,子 Agent 不被调用)
- 转交描述(何时转给我,给别人判断)vs 提示词(我怎么做,给自己执行)——两者写混是路由失败首因
- 子 Agent 永远不被调用 → 先查①转交描述清不清楚 ②是否勾选了转交关系
- 完整方案分支 = Agent 串联:调研 Agent 输出 → 传给方案设计 Agent → 传给风险评审 Agent(后者必须引用前者输出,否则"各说各话")
- 先体验自由转交(探索型任务),严肃交付切工作流编排(意图识别节点路由,更稳定)
- 意图互斥:方案设计 vs 完整方案要写清差别,否则路由不稳
3.5 Claw 模式实战:数据分析助手 + 活动物料生成助手
- 适合:过程开放、需要自主规划、读写文件、产出多类交付物
- 创建两方式:应用开发页手动建 / 智能工作台对话生成初稿
- 配置三块:Agent(模型+提示词+Skills+工具连接器)+ 欢迎语 + 对话体验
- 数据分析提示词要点:先检查数据质量(缺失/重复/异常)并确认再动|统计前说明口径|不编造数据|不覆盖/删除/外发原始文件|字段缺失不强得结论
- Skills vs 工具判断:让应用"学会一类任务方法" = Skills;"调用一个外部能力/执行具体动作" = 工具(生成落地页用 Skill;读品牌素材库用工具)
- 调试两类:提示词调试(先复述目标列物料清单)+ 模型对比(同一 Brief 比结构完整度/文案可用性/HTML 质量/限制遵守)
- 物料对外发布前仍需人工确认品牌/价格/合规
3.6 智能工作台
- 定位:一站式工作入口,非聊天窗口;可上传文件、选模型(GLM/Kimi/MiniMax/DeepSeek,消耗 PU 资源)、@引用 Skills 工具、绑知识库、选文件夹(可读已有文件续作)
- 工作区:预览 HTML、在线编辑 md/txt/json、下载、保存到知识库;编辑文件后要在对话中说明已更新(否则模型用旧版本记忆)
- 远程终端渠道:企业微信智能机器人(Bot ID + Secret,扫码授权推荐)+ 微信(Clawbot 扫码,二维码有效期 120 秒)
- 一个企微机器人只能绑一个智能工作台(新连覆盖旧连);一个微信号只能绑一个工作台
- 终端继续对话:回复仅在工作台可见,不同步回原终端
- 定时任务:自然语言创建或手动表单(名称/提示词/模型/文件夹/频率/推送渠道);频率支持每天/每周/按间隔/Cron/一次性
- 最小执行间隔 1 小时;技能连接器工具用全局配置,模型和文件夹可单设
- 远程终端创建的任务 → 结果自动推回该终端会话;微信/企微仅接收结果,不能继续对话;每个任务只能推一个会话,推多处建多个任务
- 沉淀判断:临时任务留工作台|定期执行 → 定时任务|稳定对外服务 → 沉淀成应用/工作流
四
评测与调优(第 4 章)
4.1 调试与评测基础
- 调试 = 边搭边修(单次找错);评测 = 阶段验收(批量看稳);先单次调试跑通主链路,成型后再评测集覆盖验证
- 为什么不能搭完再测:问题叠加难归因|修改成本放大|演示样例误判|上线风险不可控
- 单次调试五步法:明确目标 → 输入可解释的问题 → 观察完整链路(不只看最终回复,还要看知识命中/变量/节点/工具)→ 每次只改一个主要变量 → 复测+相邻问题验证
- 六项记录:问题/期望结果/实际结果/定位原因/修改动作/复测结果(→ 评测集样本来源)
单次调试诊断表(现象 → 优先怀疑)
| 现象 | 优先怀疑 |
|---|---|
| 回答方向完全错 | 意图识别、系统 Prompt、分支判断 |
| 库里有答案没命中 | Chunk 切分、召回数量、匹配度阈值、关键词表达 |
| 命中了还答错 | Prompt 未要求基于引用回答 |
| 流程走错节点 | 条件判断、变量提取、节点连接 |
| 工具调用失败 | 入参、权限、接口状态、返回格式 |
| 输出格式不稳定 | Prompt 格式约束不足 |
| 太慢/太贵 | 上下文过长、检索过多、节点过多、模型过重 |
- 评测集三用途:覆盖性验证|版本对比|回归验证
- 建评测集的触发:即将上线|Prompt/模型重要变更|知识库大规模更新|Workflow/工具链路调整|线上集中 Badcase
- 评测任务两步:基准评测配置(评测集 ≤5 个,列名须一致;打分:裁判模型/规则/代码/仅输出不打分)+ 对比评测配置(仅标准模式支持,最多加 2 组对比模型或提示词,模型/提示词相同会报错)
- 裁判模型打分耗 token,先验证提示词再跑;评测中不要改知识库;Plan-and-Execute 协同的 Multi-Agent 不建议评测
- 完整闭环:单次调试 → 专项优化 → 批量评测 → 回归验证 → 运营沉淀(Badcase 清洗回评测集)
- 生产高风险错误:先限流/关能力/降人工而不是先调 Prompt,保留日志再分析根因
- 日志保护:最小采集范围,敏感字段脱敏,不无限期全量保存
4.2 Prompt 调优
- 效果不好先归因,别急着改写:是"没听懂任务"/"没拿到依据"/"格式没约束"?
- 排查三问:知识是否命中 → 命中后是否会用 → 格式是否可解析(没命中先改知识库;命中不会用改 Prompt;下游解析失败改输出格式)
五个调优方法
- 指令清晰:说清角色、任务、依据、限制四件事
- 添加示例:1–3 个高质量示例(一个标准 + 一个边界 + 一个缺失信息),比堆规则有效
- 问题分解:复杂任务拆步骤/拆节点(识别→提取→检索→判断→生成→校验)
- 控制输出:给模板、字段名、取值范围、缺失值规则,禁止多余解释
- 留中间选项:允许输出"无法确认/需补充信息/建议转人工",别只给二选一
- 模板七要素:角色—背景—目标—依据—步骤—边界—输出(模板是检查清单,不是固定长话术)
- 各任务模板重点:知识问答写"依据+无法确认话术";信息抽取写"字段+取值+缺失处理";客服回复写"语气+禁用表达+话术长度";工作流节点写"输入变量+输出字段+可解析格式"
- 迭代纪律:每轮只改一个主要变量;固定 10–20 条样本(标准/口语化/缺省/边界/复杂);记录基线对比;回归验证防旧病复发;沉淀版本
- ADP 里改哪一层:全局风格边界 → 角色指令;命中不会用 → 用户输入模板+依据规则;某节点不稳 → 节点提示词;工具调不对 → 工具说明和入参;协作乱 → Multi-Agent 角色配置
- Prompt 不是安全边界:只能约束模型行为,不能替代系统层控制(输入过滤/权限/入参校验/输出校验/人工审核);核心原则:"即使模型被诱导,系统权限仍阻止越权"
4.3 知识库质量与 RAG 调优
- RAG 七环节:用户问题 → 知识准备 → 文档切分 → 检索召回 → 重排筛选 → 增强生成(+引用)
- 三问定位:库里有没有可靠答案 → 有没有命中正确片段 → 命中后有没有按依据答
四类现象高频考点
| 现象 | 归因 | 不要先做什么 |
|---|---|---|
| 有答案没命中 | 问法差异/Chunk 不合适/匹配度过高/范围不对 | 不要只加长 Prompt |
| 命中旧制度 | 版本管理、到期、标签没维护 | 不要只调召回数量 |
| 命中正确但答不全 | Chunk 太短,条件例外被拆开 | 不要直接降匹配度 |
| 答对没引用 | 参考来源未配置/Prompt 未要求 | 不要当检索失败 |
- 知识质量:命名体现主题+版本+适用范围|结构清晰|删旧版或设到期时间|表格清理空行合并单元格|权限用标签+检索范围
- 不直接上传的资料:活动海报、复杂宣传页、设计元素混杂 PPT、模糊扫描件、无版本标识的汇总
三类知识准备规范数字题
- 问答批量导入文件 ≤ 5MB;单个问答 ≤ 2000 字符;单次 ≤ 10000 条;分类标题 ≤ 10 字符
- 数据库名 ≤ 50 字符、描述 ≤ 100 字符;表要补中文名/表描述/列中文名/列描述/单位
切分参数必背数字
- 通用切分切片最大 ≤ 4800 字符;重叠建议 10%、最高 25%;父子切分子级 ≤ 1500 字符且不能超父级;按行切分表头 ≤ 5 行
检索六配置
| 配置 | 要点 |
|---|---|
| 向量模型 | 知识库有内容后不可变更(清空才能改) |
| 召回数量 | 太少漏、太多噪声 |
| 检索匹配度 | 高=精准可能漏,低=覆盖广噪声多 |
| 检索策略 | 语义+关键词混合(有编号/产品名/专有名词时) |
| 重排 | 正确片段召回了但不靠前 → 开重排 |
| 检索范围 | 标签/分类控制 |
- 问答沉淀四适合:高频咨询|口语问法("打车票怎么报")|风险口径(不能承诺的写清转人工流程)|跨文档答案
- 引用 = 可信度的一部分;引用缺失查参考来源设置和 Prompt,引用错误查旧文档/版本/生成约束
- Badcase 记录四件套:问题现象、优先归因、调整动作、调整后效果;同一 Badcase 多次复发 = 系统性问题,升级专项优化
- 调优七步流程:梳理知识 → 设知识处理模型 → 设切分 → 调检索召回 → 配引用与回复 → 建评测集 → 沉淀 Badcase 集
4.4 Workflow 调优
- 页面三层定位:工作流管理页(是否存在/启用)→ 画布(节点连线)→ 节点详情(输入/处理/输出/异常)
- 先问三问题:有没有触发这个工作流?经过了哪些节点?失败在哪个节点?
- 调优从场景边界开始(不是先改节点):"做一个售后助手"太宽泛 → 说清输入(用户问题+订单 ID)、处理(订单 API+政策知识)、输出(方案+转人工按钮)、依赖、风险控制
节点选型(经典 Badcase)
- 收集必填字段 → 参数提取节点(缺失会追问);给已有文本打标签 → 标签提取节点;用错节点 Prompt 再细也不稳
- 多值参数:规则限制单值时,多值置空并追问
- 输出变量要服务前端识别(标题/短攻略/长攻略类型);只输出自然语言前端认不出
- 调试结合:单节点调试(验证节点独立能力)+ 端到端调试(整条链路);端到端失败先定位失败节点再回去单节点调
- 专项案例:语种不稳定 → 开始节点后加大模型节点判语种、后续引用语言变量(只写 Prompt 不稳);意图识别错 → 补意图示例强制干预("入住时间" vs "完成入住耗时")
- 工作流调试通过但应用不调用 → 工作流未启用或未发布
- 接口超时运维:查外部接口性能/超时设置/并发限流;重试要有次数、间隔、幂等约束(防重复建单)
4.5 Multi-Agent 调优
- 配置项口诀:转交失败看"名称+转交描述";执行不稳看"提示词+工具说明"
- 工具要"让 Agent 看懂":名称别叫 tool_01;入参标必填;返回用具名 JSON 字段({"precision":30,"recall":1} 而非 [30,1])
- Agent 不走兜底 → 提示词 + 工具返回双重约束(工具返回里也写"该操作不支持")
- 工具调用异常 → 查工具引用格式、工具名称、字段与代码一致性
- 确定性逻辑工具化:时间戳、编号、金额计算、格式校验放工具/代码生成,不让 Agent 自由发挥
- 转交不稳 → 转交条件明确时改用工作流编排路由(稳定性高于自由转交)
- 注意:工作流里含选项卡/文件收集/参数提取节点时,不建议作为工具添加给 Agent(Agent 直接返回节点输出,可能中断工作流)
五
行业方案速查题库 180 题板块
记"指标 + 边界"
| 场景 | 关键能力组合 | 核心指标 | 必须保留的边界 |
|---|---|---|---|
| 酒店数字管家 | 信息+政策入库;多意图拆分;送物/维修连工单系统 | 准确率/时延/工单成功率/转人工率 | 字段缺失要追问;接口失败转人工 |
| 零售门店巡检 | 图像识别 + 人货场 SOP + 陈列规则 → 整改工单 | 覆盖率/误检率/漏检率/整改闭环率 | 关键违规保留人工复核 |
| 保险建议书 | 家庭信息+产品规则 → 客户视角说明 + 结构化 JSON | 规则符合率/字段完整率/采纳率 | 不越权承诺收益;合规话术+持证审核 |
| 汽车售后客服 | 按车型/手册/问题类别整理知识;订单预约接接口;高频测试集 | 解决率/命中率/转人工率/满意度 | 安全故障转人工;灰度观察 |
| 医药零售健康 | 药品/门店/员工服务知识分开组织 | 准确率/引用完整率/转专业人员比例 | 不把建议包装成诊断/处方;建议就医 |
| 用户之声洞察 | 反馈清洗+主题聚类+情绪摘要+趋势报告 | 主题覆盖率/分类准确率/报告采纳率 | 结论可溯源原始反馈;明确口径和阈值 |
| 传媒导购内容 | 商品主数据+促销+客群+品牌风格生成内容 | 采纳率/互动率/生成效率/违规率 | 发布前事实、版权、合规审核+人工确认 |
| 制造质检 | 缺陷类型+样本标注+设备接入+质检规则闭环 | 准确率/召回率/误检漏检率/时延 | 置信阈值+人工复核策略 |
| 金融会话质检 | 合规规则识别夸大宣传 → 命中原文+风险标签+依据+建议 | 风险召回率/误报率/复核通过率 | AI 辅助筛查,合规人员终审,全程可追溯 |
| 教育政务 | 高频政策知识问答;智能助教引导式;作业评分标准 | 问答准确率/流程完成率/引用有效率 | 按角色区分资料;引用注明依据和生效时间 |
| 法律合同审核 | 条款提取+规则库定位风险 → 原文+风险点+修改建议 | 风险召回率/误报率/审核耗时/采纳率 | 辅助审核,不替代律师专业判断 |
| 企业搜索/员工服务 | 公开搜索记来源;IT/HR/财务知识按部门隔离 | 检索准确率/来源可追溯率/越权事件数 | 外部数据核验可信度;写操作晚于只读上线 |
| 营销转化/情绪客服 | 沉淀高质量会话+按意图阶段话术+愤怒识别→安抚+接管 | 话术采纳率/转化率/解决率/投诉率 | 明确投诉/拒绝/敏感承诺转人工条件,不只求转化 |
六
易混概念对照考前最后一遍
| 易混对 | 区别一句话 |
|---|---|
| 系统提示词 vs 用户提示词 | 一个定人设规则(幕后),一个提当下需求(台前) |
| 短期记忆 vs 长期记忆 | 会话内 vs 跨会话绑账号(用户×应用隔离) |
| 知识库 vs 工具 | 查资料(RAG)vs 办事情(Function Call) |
| 连接器 vs 工具 vs Skills | 对接业务系统 vs 原子能力 vs 专业技能包 |
| RAG vs Agentic RAG | 单次检索 vs 自主反思多轮迭代(更准更贵) |
| 转交描述 vs 提示词 | 给别的 Agent 看何时转交 vs 给自己看怎么干 |
| 自由转交 vs 工作流编排 vs P&E | 模型自主 vs 固定路由最稳 vs 规划+执行(仅单轮) |
| 参数提取 vs 标签提取 | 收集必填字段会追问 vs 给文本打类别标签 |
| 单次调试 vs 批量评测 | 单条找错定位 vs 几十上百条看指标稳定性 |
| 本地 Claw vs 云端 Claw | 贴个人工作流耗本机 vs 弹性隔离成本高 |
| 平台级 vs 应用级知识库 | 多应用共享 vs 当前应用私有 |
| 父切分 vs 子切分 | 父保上下文完整(召回给模型)vs 子保检索精准 |
| Claw vs 其他模式 | 创建后不可切换;标准/单工作流/Multi-Agent 可互切 |
七
全量数字速记表考前 5 分钟
1956AI 元年(达特茅斯会议)
2017Transformer 提出之年
2022底ChatGPT 发布(两个月用户破亿)
2024MCP 由 Anthropic 提出
2025初Claw 范式兴起
200MBpdf/doc/docx/ppt 等主文档单文件上限
50MBkeynote/pages 及带文字图片
20MBxlsx/csv/md/txt 等(行 3 万、列 180)
1:7图片长宽比上限
1万×100表格文件问答上限(行 × 列)
10+/200+文档理解类型 / 连接器生态
80Claw 最多可添加 Skills 数
2B/8k+自研 Embedding 参数量 / Reranker 长文本
<1秒流式响应首字时间
5/2评测最多选评测集数 / 对比组数
1小时定时任务最小执行间隔
120秒微信渠道绑定二维码有效期
4800通用切片最大长度(重叠 10%、≤25%)
1500父子切分子级切片上限
5行按行切分表头范围上限
5MB问答批量导入文件上限
2000字单条问答字符上限
1万条问答单次导入上限(分类标题 ≤10 字)
50/100字数据库名 / 数据库描述上限
20–50上线前测试集建议规模(条)
10–20Prompt 优化固定复测样本量(条)
1–3Prompt 示例建议数量(个)
3–4Multi-Agent 初学者建议 Agent 数
7ADP 上线流程步数 / 需求翻译维度
1200模拟题库总量(设计300/核心280/行业180/安全120/交付120/AI120/定位80)
没有找到匹配的内容,换个关键词试试(如"切分""评测""Claw")