腾讯云AI Agent开发平台把模型推理、知识库检索、工具调用和API网关封装在一起，适合不想从零搭建Agent框架的团队。第一次使用时，建议先理解它和普通大模型对话机器人的区别：普通对话机器人只根据模型自身知识回答，而Agent会在回答前判断是否需要查询知识库、调用业务接口或执行多步推理，再把中间结果整合成最终答案。这个区别直接影响后续的参数配置和调试方式。
平台上的智能体并不是一个单独的模型，而是一个由模型、提示词、知识库和工具共同组成的运行单元。你可以把模型理解为大脑，知识库当作外部记忆，工具则是手和脚。只有把这三部分配置清楚，智能体才能稳定地完成业务任务。接下来的步骤会带你从零开始创建一个能处理售后咨询的智能体。
一、先理清平台里的三个核心组件
登录腾讯云控制台后，在人工智能类目下可以找到AI Agent开发平台。首次进入时建议创建一个独立空间，把不同项目或环境的资源隔离开。平台会要求选择地域，地域主要影响数据存储位置和API调用延迟，如果业务用户集中在华南，优先选择广州地域；如果面向全国，可以选择上海或北京。
创建空间之后，先不要急着建智能体，而是搞清楚三个概念。模型组件负责生成自然语言，你可以在平台里选择混元、DeepSeek或其他已接入的模型，不同模型对中文长文档的理解和指令遵循能力有差异。知识库组件用于存放企业自己的资料，比如产品手册、售后政策、内部FAQ。工具组件则允许智能体调用外部HTTP接口，例如查询订单、创建工单或发送短信。一个能落地的Agent，通常是模型、知识库和工具三者配合，而不是把提示词写得很长。
权限方面，建议为开发和测试单独创建子账号，只授予AI Agent开发平台相关权限，不要直接使用主账号的SecretId和SecretKey调用API。平台内的API密钥只在创建时完整显示一次，需要及时保存。日常调试可以使用控制台内置的对话面板，正式接入业务系统时再切换到API密钥。
二、创建智能体：从空白应用开始配置
在控制台选择创建应用或创建智能体，类型选择对话式Agent。名称建议带上业务线和环境，例如售后助手-测试环境，这样后期管理不容易混淆。描述可以简单写清楚这个智能体的职责边界，它会出现在调试面板中，也方便同事理解。
模型配置是第一步。温度参数建议从0.2到0.4开始，不要一上来就设到0.8以上。温度越高，回答越发散，虽然看起来更灵活，但售后或业务查询场景更在意一致性。最大输出token根据回答长度设置，一般2048足够，如果智能体需要返回表格或长文本，可以调到4096。系统提示词不要写成笼统的要求，应该明确角色、数据来源、回答边界和工具使用规则。
下面是一段可参考的配置结构，你可以根据业务名称替换其中的角色和数据范围：
system_prompt = (
"你是电商平台的售后助手，负责回答退换货、物流和发票问题。"
"回答必须优先参考知识库中的售后政策，不得编造规则。"
"当用户询问订单状态时，先调用订单查询工具，再根据返回结果回答。"
"如果信息不足，直接说明需要补充哪些内容。"
)
agent_config = {
"model": "hunyuan-turbo",
"temperature": 0.3,
"max_tokens": 2048,
"system_prompt": system_prompt
}
这段配置里，system_prompt限制了数据来源和工具调用时机，可以明显减少模型自行发挥的情况。实际使用时，模型名称以控制台可选列表为准，不要把温度设置成0，部分模型在温度极低时也会出现重复输出。
三、知识库与工具绑定：让Agent真正可用
知识库的作用是让模型能基于你的私有数据回答，而不是只依赖通用知识。在平台里上传PDF、Word或Markdown文件后，需要选择分块策略。分块太大，检索时容易混入无关内容；分块太小，又可能丢失上下文。一般建议每块400到800字符，如果文档以表格为主，可以按表格行或段落切分。上传完成后，平台会自动生成向量索引，你可以在测试面板里直接提问验证检索效果。
工具绑定比知识库稍复杂，但核心是提供一个OpenAPI规范。平台会根据这个规范把自然语言转换为接口参数。比如订单查询接口需要order_id，规范里就要写清楚参数名、类型和必填项。下面是一个简化版示例：
{
"openapi": "3.0.0",
"info": {
"title": "Order API",
"version": "1.0.0"
},
"paths": {
"/order/query": {
"get": {
"summary": "查询订单状态",
"parameters": [
{
"name": "order_id",
"in": "query",
"required": true,
"schema": {
"type": "string"
}
}
]
}
}
}
}
工具配置完成后，建议先在调试面板测试一次。输入我的订单为什么还没发货，观察智能体是否调用订单查询工具，以及调用参数是否正确。如果它没有调用工具，通常是因为系统提示词里没有明确说明何时调用，或者OpenAPI描述不够清楚。可以把工具描述写得更具体，比如当用户询问发货、物流、订单状态时必须调用该工具。
知识库和工具可以同时启用。一个典型的售后智能体，回答退换货时效时走知识库检索，回答某个订单的具体状态时走工具调用。两者并不冲突，关键是让模型学会区分：政策类问题查知识库，实时数据类问题调接口。
四、调试、评测与API发布
调试阶段不要只看最终回答，还要打开平台的中间过程或链路追踪功能。这里能看到模型是否检索了知识库、检索到了哪些片段、有没有调用工具、接口返回是否正常。很多回答错误并不是模型能力不够，而是知识库没有命中正确内容，或者工具返回了空数据。定位到中间步骤后再调整，比反复修改提示词更高效。
当单个问题表现稳定后，可以创建评测集。评测集不需要很大，20到50条真实业务问题即可。把同一个评测集跑在不同的模型或不同参数下，比较准确率、检索命中率和工具调用成功率。对于售后场景，建议为每一条问题标注期望答案，至少标注是否必须调用工具。这样就能看出模型是在真正执行任务，还是只是写了一段看起来合理的回复。
发布API前，先在平台里选择发布版本，生成调用地址和鉴权信息。正式环境建议开启限流和日志记录，避免外部请求把并发打满。下面是一个Python调用示例：
import requests
url = "https://api.ipipp.com/agent/run"
headers = {
"Authorization": "Bearer sk-xxxxxxxx",
"Content-Type": "application/json"
}
payload = {
"query": "我的订单为什么还没发货",
"session_id": "test-session-001"
}
resp = requests.post(url, headers=headers, json=payload, timeout=30)
resp.raise_for_status()
print(resp.json())
调用时需要在请求头里带上Authorization，值替换成平台生成的API密钥。session_id用于关联多轮对话，如果业务系统需要保持上下文，请为每个用户会话生成唯一标识。返回结果中通常包含answer字段，也可能包含tool_calls和references，便于你把引用来源展示给用户。
上手腾讯云AI Agent开发平台的关键不是一步到位配置所有高级功能，而是先跑通模型、知识库、工具和API的最小闭环。最小闭环稳定后，再逐步加入更多工具、更细的知识库权限和评测集。这个思路比直接堆功能更能快速发现配置问题，也更容易让团队接受Agent方案。
腾讯云AI AgentAI智能体开发智能体配置修改时间：2026-09-28 23:52:11