构建强大的AI代理需要结构化的战略方法。虽然 广泛的指南 可用 这些因素包括原料奶的可用性以及达到必要粉末质量水平所需的工艺。 形成一种 配置代理这篇文章主要关注…… 什么 和 为什么 — 你需要做出的关键决策，以确保你的 AI 代理能够带来真正的商业价值。

探索完这些基础性选择后，请阅读我们的姊妹篇《走进 Lato Bikes 的 AI 之旅》，了解它们如何在实践中得以应用。在这篇文章中，我们将通过一个使用 Lato Bikes AI 构建的真实案例，来了解这些选择是如何实现的。 Mendix.

1 – 创建您的代理人蓝图

人工智能和智能体技术的出现，激发了各组织机构采用这些技术的强烈欲望，原因很简单：它们新颖而强大。然而，这种采用往往缺乏清晰的战略规划，导致技术应用不当或杂乱无章，最终造成项目效果不佳或未能达到预期目标。

为了避免这种情况，首先要采取结构化的方法。 Mendix，我们的 数字化执行实践 它通过启动、构建和扩展三个阶段来支持战略性技术采纳，每个阶段都有其独特的里程碑和活动，分别对应于5P原则：人员（People）、产品组合（Portfolio）、流程（Process）、平台（Platform）和推广（Promotion）。这种实践不仅有助于组织将创新与价值相结合，而且这些原则同样适用于构建智能体系统。

那么，什么样的才算是一个好的第一个智能体项目呢？

• 增值该代理确实提高了效率、降低了成本或增强了用户体验。
• 非结构化数据的综合： 特工们擅长分析文本、音频或视频，从中提取有价值的信息。
• 低风险自动化： 代理程序代表用户执行非关键性操作。
• 人为监督： 任何后续决定都需由专人审核。
• 明确参数： 该代理在既定的边界内运行。

2 – 定义成功

在深入探讨技术细节之前，首先要明确人工智能代理的成功标准。如果没有清晰、可衡量的目标，就无法评估其有效性、证明投资的合理性，也无法指导迭代改进。

设定关键绩效指标 (KPI)，将您的想法转化为战略举措。常见的成功指标包括：

• 效率提升：代理应该减少多少人工时间？
• 准确度：智能体的分类或输出应该有多精确？
• 速度：整个流程应该以多快的速度改进？

在类似这样的系统中捕获和跟踪这些关键绩效指标 Mendix 组合管理 确保你着眼于业务影响，而不仅仅是技术上的成功。

3 – 设置触发器

在开始构建之前，请先考虑如何激活您的代理。触发方式是您做出的最根本的决定，它将影响整个开发过程。

触发因素主要有三种类型：

• 事件驱动： 可通过特定操作激活，例如收到新电子邮件、外部系统发起 API 调用、通过用户界面手动触发、数据库记录状态更改，甚至 商业活动.
• 批次： 以设定的时间间隔运行，以同时处理大量数据。例如，您可以运行一个 预定事件 查看所有未结保修索赔的最新状态更新。
• 会话： 由……触发 用户直接查询 在聊天界面中，整个体验都是一来一往的对话。

对话式智能体功能强大，但通常代表着更高级的应用场景。对于大多数组织而言，最好从事件驱动或批量工作流程入手，以便安全有效地探索智能体的功能。

4 – 用户体验和部署设计

选定触发器后，请考虑用户将如何与代理交互。它会集成到现有应用程序中，还是会是一个独立的工具？

问问你自己：

• 该代理如何融入用户当前的工作流程？
• 什么样的界面最适合这种用户体验？
• 它将如何连接到所需的系统和数据？

通过 Mendix代理程序可以轻松嵌入到现有应用程序中，例如仪表板或门户网站，而且 在系统演化过程中被传输到系统之间内置的可观测性工具可确保管理员能够实时监控使用情况和性能。

5 – 选择合适的型号

大型语言模型 (LLM) 是智能体的基础。这项决定涉及模型的托管位置及其功能。

托管 vs. 自托管

对于大多数组织而言，托管式法学硕士课程（LLM） OpenAI（通过 Azure OpenAI 服务）, Amazon Bedrock 或 Mendix 云端人工智能资源包 是最实用的选择。这些服务会为您管理基础设施、可扩展性和安全性。另一方面，自托管开源模式虽然提供了更大的控制权，但需要丰富的架构专业知识。

重要注意事项

• 工具在实际行动中的应用能力
• 延迟和吞吐量
• 成本效益
• 数据安全与合规性

最佳实践是充分利用 代理共享 in Mendix 构建与模型无关的代理，使其能够随着新技术的发展而演进。

关于微调和自定义的说明： 虽然基础的LLM模型功能强大，但针对特定领域数据进行模型微调可以显著提高其准确性和针对特定任务的适用性。这是一种高级技术，应在初始智能体稳定且您对其性能差距有清晰了解之后再考虑。它需要专门的数据准备和计算资源。

6 – 为代理人指明正确的方向

选好车型后，你需要告诉你的经纪人该怎么做。这就是…… 即时工程 引入了——构建指令和上下文的实践，使模型能够按预期运行。

代理程序依赖两种类型的提示：

• 系统提示：定义代理的角色、目标和约束条件。
• 用户提示：触发特定任务或响应。

清晰明确的提示能够带来一致的行为。含糊不清的提示则会导致不可预测的结果。提示设计是一个迭代的过程——随着时间的推移不断改进提示，以优化性能和可靠性。

7 – 为您的代理人配备工具

使基本逻辑逻辑模型（LLM）升级为智能体系统的要素在于它能够通过工具（例如函数）采取行动。 Mendix 微流使其能够与外部数据、系统和工作流程进行交互。

这些工具可能位于您的应用程序本地，或者可以通过以下方式连接： 模型上下文协议 (MCP).

8 – 为成功而设计

开发一款智能代理并非一蹴而就，而是一个不断迭代改进的过程。为了确保成功，请遵循以下六条黄金法则：

1. 先从简单的入手。先从解决单个问题所需的最基本工具和提示开始。之后再逐步增加复杂性。
2. 随着时间的推移不断发展。测试、改进并更新你的代理。 Mendix Agent Builder 让跟踪改进变得轻松便捷。
3. 务必清晰明确。任何未明说的内容都将由模型自行推断。
4. 始终要有人参与决策过程。任何会产生实际后果的决策，都需要人工审核。
5. 管理上下文窗口。只向代理提供相关数据，避免混淆。
6. 分而治之。将复杂任务分解成多个专门的人员执行。

把它们拉在一起

成功整合人工智能代理是一项战略性任务，它将重新定义我们对软件开发的固有认知。通过结合结构化设计、清晰的治理和人工监督，企业可以创建真正增强人类能力的代理。
经纪人提供了创造价值的绝佳机会。了解他们的最佳方式就是开始尝试。从以下方面开始您的旅程： Mendix Agent Builder 入门应用程序 看看有什么可能。