- 入门指南
- Studio Web 中的 UiPath 智能体
- Agent Builder 中的 UiPath 智能体
- UiPath 编码智能体
智能体用户指南
高效的智能体不是独立的机器人，而是嵌入清晰明了的工作流中。从您的业务流程中已有的工作流开始，并识别基于规则的可重复任务。这些是智能体自动化的理想候选对象。
构建之前，请进行工作流映射：
- 识别决策点和输入/输出格式。
- 寻找可预测的结构化流（例如，工单分类、合规性检查）。
- 避免将智能体设计为工作流的替代方案。智能体是在工作流中为决策提供支持的组件。
当智能体专注于特定任务并有明确责任边界时，才能达到最佳性能。避免让智能体承担过多角色。一种很好的做法是让每个智能体专注于一项职责（例如，提取发票数据、对客户意图进行分类）。
缩小作用域的优势：
- 更轻松的调试和迭代
- 更稳定的性能和评估
- 更低的偏差或幻觉风险
提示设计是智能体行为的核心。使用经过改进的提示模式——主动性提示，包括：
- 定义的角色和人物
- 明确的任务分解和推理指令
- 输出格式和错误处理指南
例如，主动性提示不应说“总结此文档”，可以是：“您是一名合规分析师。请将此政策文档分成几个部分。对于每个部分，请用两句话总结，并标记潜在的政策空白。解释您如何分割文档。”
使用结构化评估集测试边缘用例和场景，而非将输入/输出示例硬编码到提示词中。这样，您的智能体将更加可靠、更易于迭代。
系统地迭代提示：
- 调整结构、角色、推理路径。
- 跟踪准确性、覆盖范围和任务成功率方面的变化。
- 使用提示代码检查和 Agent Builder 模拟器等工具进行实验。
在智能体中输入之前，先对其进行预处理。使用 Document Understanding 和智能提取处理 (IXP) 等技术提取结构化输入。将原始数据或噪声数据馈送给智能体会降低输出质量并增加提示复杂性。
智能体需要明确、可衡量的目标，才具有可靠性。设计 KPI 和评估机制：
- 准确度阈值
- 置信度分数
- 响应一致性
- 推理透明度
不应局限于“它是否有效”，还应考虑它如何运行。使用追踪日志和作业日志，评估工具调用、决策链和上下文使用情况。
创建评估数据集，以测试边缘用例、上下文差异和特定领域的条件。这些应包括：
- 对抗性输入
- 低上下文查询
- 意外格式
- 系统边界测试
智能体应知道何时寻求帮助。集成 HITL 升级路径，以处理：
- Missing data
- 工具失败
- 模糊决策
- 监管或业务规则异常
使用内循环进行快速升级，使用外循环进行结构化审批。每次升级应：
- 触发内存更新。
- 告知未来的智能体行为。
- 支持工具使用的细化。
使用以下字符定义工具：
- 小写的字母数字名称
- 无特殊字符或空格
- 基于函数的描述性标签（例如
web_search、document_analysis）
这确保了与 LLM 解析和调用逻辑的兼容性。
使用护栏强制执行安全和监管措施：
- 过滤或阻止不安全的工具输入。
- 必要时将工具的使用升级给人工。
- 记录并监控工具交互情况，以确保合规性。
