Agent 最佳实践：从流程到决策

---

开始前，建议先阅读：

• AI Agent 使用说明

• 对话机器人使用说明

你将

• 快速上手，搭建强大的商用 Agent

• 学习两个由浅入深的实战案例（含可复制的提示词骨架、工具配置要点与核对清单）。

• 掌握提示词编写、工具与权限配置的方法。

• 学会在成本与性能之间做权衡。

一、核心概念

• 对话机器人：基于大语言模型的智能助手。可理解自然语言并即时调用工具完成查询、统计等任务，让你以对话驱动业务。

• AI Agent 节点：执行时可基于上下文自动分析与判断，并调用工具完成操作，使流程具备自主推理与行动能力。

• 工具：让 Agent 执行任务的接口；可查询/新增/更新/汇总工作表，或调用 PBP、外部 API、发送通知/邮件等。

• 结构化输出：将模型答案组织成 JSON 或固定格式，便于下游节点直接引用。

二、2 个实战案例

案例 A：CRM 线索助手（入门·对话机器人）

通过该案例，了解对话机器人的基础用法，以及 AI Agent 节点的工具调用与用户鉴权。

• 目标: 销售可通过聊天完成“查客户、补录线索、更新跟进”。系统自动写回工作表，并受用户权限约束。

• 预期效果示例:

  

搭建步骤

第一步. 创建对话机器人 → 填写描述 → 系统自动生成的「对话触发 + AI Agent」工作流。

第二步. 配置AI Agent 节点配置

• 模型：选择“自动选择模型”

• 提示词

  你是“CRM 线索助手”，服务于销售团队。你的职责是通过自然语言交互，帮助用户在CRM系统中查询、补录或更新客户线索。 

• 工具

  • 查询记录 / 新增记录 / 更新记录 / 汇总（手动设置工作表范围：客户、线索）

  • 开启 「按用户权限」

  • 对 新增/更新工具 勾选 「调用前需要用户确认」

• 其他配置

  • 按默认配置即可

要点说明

• 勾选「按用户权限」：AI Agent只能访问对话人有权限的数据。

• 新增/更新 类工具建议勾选「调用前需要用户确认」，避免Agent误操作。

• 开启“使用系统预设的回复风格”，获得稳定的回复质量。

• 常见风险：

  • 未设工作表范围时，可能误触其他表。

  • 未启用权限控制，存在越权风险。

案例 B：客诉预警与处置（中阶）

以“客户投诉分级”为场景，演示 AI Agent 节点的应用方式。该思路可用于需要智能判断、自动总结或决策的任意流程。

• 目标： 自动识别投诉严重程度，判断责任人，执行不同的后续动作（通知、PBP 流程、归档等）

• 预期效果：

  

搭建步骤

第一步 创建新工作流

触发条件选择：当投诉记录新增时触发

第二步 添加第一个 AI Agent 节点 —— “投诉理解与分级”

职责：

1.理解投诉内容；

2.查询历史投诉；

3.根据规则输出投诉严重程度与建议处理方式。

• 模型 : 选择 DeepSeek-V3。该场景重在阅读理解与分类，无需复杂推理，性价比较高。

• 提示词

  

  建议明确角色（分析专员）与判断标准（文本、次数、金额），以提升输出稳定性。

• 工具配置

  

• 输出: 使用结构化输出，使用结构化输出（JSON 字段定义），以便后续节点直接引用字段，无需二次解析。

  

第三步 添加第二个 AI 生成文本节点 —— “投诉处理人分析”

职责： 根据投诉类型、责任部门或产品线，自动判断应由谁处理。

可将任务拆分到不同 AIGC 节点：复杂度较低的步骤使用高性价比模型（如 mini、nano 系列），在稳定性的同时降低成本

• 提示词示例：

  

第四步 添加条件分支，投诉分流

• 设置条件：

  • 若 severity = 轻微 → 路径 A

  • 若 severity = 一般 → 路径 B

  • 若 severity = 严重 → 路径 C

第五步 分别配置分支动作

• 分支 A(轻微)： 更新记录

• 分支 B（一般）: 立即通知负责人并更新状态。

• 分支 C（严重）： 立即通知管理层并启动紧急流程（PBP）。

---

到这里，流程似乎已经圆满：

投诉内容被识别、严重程度被判断、不同分支触发不同动作——逻辑清晰、执行可靠。

但聪明的你可能意识到了一个问题：我们仍然在使用传统的流程思维。

每一个判断、每一个动作，都是我们在告诉系统“该怎么走”。而真正的Agent，不是被告知怎么做，而是自己知道该做什么。

其实，一个 AI Agent 就能完成全部逻辑

AI Agent 不只是理解文本的节点，它拥有完整的判断能力和工具调用能力。

在提示词中定义规则后，Agent 可以自动判断严重程度，并直接调用工具执行操作——

无需显式分支、无需多个节点。

AI Agent 节点的意义，不在于“替代”传统流程，而在于让流程从机械执行，进化为智能决策。

在传统流程中，逻辑通常是线性的：

我们用条件分支去判断，用多个节点去执行。系统只是遵循预设路径行动。

而当 AI Agent 节点 加入其中，一切都变得不同：

它能理解业务语境、根据规则自主判断，并直接调用工具完成任务。流程的“思考”不再依赖人工设计，而是由 Agent 自行完成。

三、模型选择指南

在为 AI Agent 节点选择模型时，需要平衡三个关键考虑因素：功能、速度和成本。

本指南帮助您根据具体需求做出明智的决定。

第一步：是否需要图片识别？

如果任务包含截图、票据、表格图片等输入，请优先考虑支持图片识别的模型。

是否处理图片	代表模型
是	GPT-5、GPT-5-mini、GPT-5-nano、GPT-4.1、GPT-4.1 mini、GPT-4o、GPT-4o-mini、o3、o4-mini
否	DeepSeek-V3、Qwen Turbo、Qwen Plus、Qwen Max

若不确定是否会涉及图片上传，建议使用支持图片处理的模型，兼顾文本与图像处理。

第二步：根据任务复杂度选择模型

确认图片识别需求后，可根据任务的复杂程度和业务目标，在以下三类模型中做出选择：

任务复杂度	推荐模型	场景举例	特点
🟢 一般任务	GPT-5-nano / Qwen Turbo	问答、短句改写、FAQ 回复	成本最低，响应最快，适合轻量交互或大批量调用。
🟡 中等复杂任务	GPT-5-mini	查询汇总、报表统计、数据写回、结构化输出	性价比高，逻辑稳定，适用于大部份场景。
🔵 高复杂任务	GPT-5、o3	智能判断、流程分流、复杂决策	推理模型，适合关键节点或高价值任务。

经验法则：

• 一般情况 → 选 GPT-5-mini；

• 对准确率或逻辑一致性要求极高 → 选 GPT-5；

• 成本敏感或原型阶段 → 先用 Qwen Turbo / GPT-5-nano 验证。

第三步：何时需要升级模型？

在运行中出现以下情况，可考虑更换或升级模型：

• 回复内容不稳定、判断错误率上升；
• JSON 或结构化输出格式频繁出错；
• 响应延迟明显或超出节点设定超时时间；
• 当前节点的结果影响流程关键路径。

四、提示词撰写指引

提示词（Prompt）决定了 Agent 的理解方式与输出质量。无唯一标准，可参考：

1. 角色明确：说明 Agent 的身份和职责范围，例如“你是客户线索助手，只处理与客户/线索相关的任务”。

2. 任务具体：列出可执行的动作（查询、汇总、更新、生成报告等），用自然语言描述即可。

3. 边界清晰：告诉模型“不处理什么”，防止误解或越权。

4. 输出格式要求：告知希望返回的形式，如 Markdown、表格或 JSON。

5. 语气与风格：若面向终端用户（对话机器人），应保证语气自然友好；在流程中执行（AI 节点）时应简洁稳重。

6. 测试与微调：多次运行后，根据日志反馈逐步修改提示词，不必追求一次完美。

经验：越具体的提示词越稳定，越模糊的提示词越容易“跑题”。简洁清晰往往比冗长复杂更有效。

五、工具与权限配置要点

• 工作表范围：强烈建议手动指定目标表，避免误触其它表。

• 查询范围（查询/汇总类）：用筛选明确时间、部门、负责人等边界。

• 按用户权限（对话流特有）：默认开启；若关闭将忽略对话者权限（一般不建议）。

• 调用前需要用户确认：

  • 对话流： 适用于“新增记录、更新记录、发送站内通知、发送邮件、调用封装业务流程、调用已集成 API”；

  • 非对话流： 通常不勾选，确保自动化不中断。

六、成本与性能优化

1. 任务拆分： 将任务划分为多个子任务，在不同的AIGC节点中处理，以提高流程的稳定性，同时还能节省费用（简单任务选用高性价比模型，如mini、nano系列）。

2. 仅传必要上下文： 收紧记录工具的工作表范围。待选工具集越小，结果更稳，token 消耗更低。

3. 记忆轮次： 按需配置，避免无效上下文累积。

4. 结构先行： 要求输出 JSON，减少二次解析与重复调用。

---