AI Agent节点

一、功能简介

AI Agent 节点是工作流中的智能决策节点，可让流程具备自然语言理解与自主判断能力。

通过调用大语言模型（LLM），AI Agent 能基于上下文数据、工具配置与提示词，自动执行数据查询、信息总结、报告生成等任务，从而让流程具备“智能化”处理能力。

二、应用场景

常见使用场景包括：

• 智能摘要：对上游节点输出内容生成摘要或结论；

• 智能分析：结合附件内容进行分析或报告生成；

• 自动查询数据发送消息通知：根据自然语言自动触发业务工具，如查询记录、站内消息发送；

• 多轮对话：在对话机器人中实现智能应答。

三、预期效果

以下示例展示了 AI Agent 在客户管理流程中的实际效果。

当客户表中存在“高价值客户超过 7 天未被跟进”时，AI Agent 会：

1）调用查询工具，查询该客户的相关信息以及历史沟通记录；

2）生成一段提醒信息；

3）调用发送邮件工具，向客户负责人发送邮件通知。

【示例演示：系统检测到客户超时未跟进 > AI Agent 自动生成提醒文案 > 邮件发送负责人】

四、示例设置步骤

1.入口

在工作流编辑器中，点击「+」新增节点，选择「AI Agent」即可进入配置页面。

2.模型设置

可选择不同的大语言模型执行任务。

操作步骤：

1. 在「模型选择」处选择模型（如DeepSeek-V3、Qwen-Max 、GPT-5、GPT-4o 等）；

   蓝色圆点表示模型性能，点数越多性能越高。

2. （可选）配置模型参数以控制输出效果

3. 保存配置后即生效

3.提示词

提示词（System Prompt）用于定义智能体角色与目标，帮助模型理解任务语境。

示例：

你是一名客户管理助手，需根据客户数据生成提醒内容。当高价值客户超过 7 天未被跟进时，你需要生成提醒邮件内容并发送。

建议：

• 明确任务目标（如“生成说明”“分析数据”）；

• 避免模糊表达（如“帮我看看这个”）；

• 可通过变量引用上游节点数据，如客户名称、最近跟进时间等。

4.文件链接

「文件链接」用于引用前序节点输出的附件类型字段。

AI Agent 会将该附件内容作为上下文传递给模型，用于分析、总结或生成说明。

💡 附件可来自用户上传或工作表字段。 使用该功能可能产生较多费用。 图片类附件仅在选择具备图像识别能力的模型时可被解析；文档类附件由文档识别服务处理（0.72 信用点 / 文档）。

5.记忆设置

在对话工作流中，AI Agent节点支持多轮对话记忆功能，可根据上下文持续理解。

6.工具配置

AI Agent 可调用工作流节点工具，实现数据操作与自动化决策。通过工具配置，Agent 能在自然语言指令下自动完成数据操作（查询、统计、写入）及通知发送等任务。

在企业级业务系统中，数据安全与越权防控尤为重要。HAP 为 AI Agent 提供了工作表范围与查询范围两级控制机制，让搭建者在开放智能能力的同时，仍能清晰界定 Agent 的访问边界。

工具类别

AI Agent 节点支持四类工具，点击左下角的「+添加工具」进行添加。

1）数据处理工具

包含「查询记录」、「新增记录」、「更新记录」、「汇总」

提示

查询记录是通过 HAP API 接口实现的，暂不支持向量搜索（RAG）方式。

2）通知工具

包含「发送站内通知」、「发送邮件」

3）调用封装业务流程

调用已封装的标准业务流程，实现复用型业务逻辑（如自动审批、批量同步等）。

4）调用已集成 API

调用外部系统的接口，实现跨系统数据查询或推送操作。

设置工作表范围

当所选工具为「数据处理工具」类型时，可进一步指定可调用的工作表范围。

系统会自动加载当前流程内可访问的数据表，支持以下两种配置方式：

配置项	说明
应用所有工作表	由 AI Agent 根据上下文自动识别应使用的工作表。
指定工作表	手动选择目标工作表，用于限定 AI 可访问的数据范围。该方式可提升响应速度，同时有效节省 Token 消耗。

⚙️ 建议在涉及敏感或多表场景时启用「手动指定」，以控制模型可访问的数据范围。

查询范围

当使用 「查询记录」 或 「汇总」 工具时，还可进一步配置查询范围。

通过设置筛选条件，限制工具的查询范围，防止越权访问。

示例：

可配置筛选条件为「客户状态 = 高价值」且「最近跟进时间 ≥ 7 天」，Agent 将仅能获取符合条件的客户信息，执行提醒任务。

7.输出设置

AI Agent 节点执行完成后，会生成输出结果，供后续节点在参数中引用。

输出内容分为三类：系统字段、结构化输出参数、工具输出参数

系统字段

默认输出的三类自动字段，包含 AI生成结果 AI模型 消耗token数量。

工具调用的工作表字段

当 AI Agent 调用了「查询记录」「新增记录」「更新记录」等工具，且设置了工作表范围，后续节点可引用处理记录的字段值。

若输出多行记录，将默认取第一行。

引用方式

要在后续节点中使用工具输出结果，请按以下步骤操作：

在下游节点（如「AI 生成文本」）中，展开「AI Agent」→「工具调用的工作表字段」，选择对应字段。

结构化输出

用于定义 Agent 在执行后返回的字段与格式。你可以添加多个参数并为每个参数编写说明，Agent 将根据说明尝试生成结果，供后续流程引用。参数输出结果依赖大模型的理解能力，复杂场景下建议增加校验或人工复核。

💡 结构化输出结果依赖模型理解能力，建议在测试中验证字段格式是否正确。

示例：

根据 AI 生成的提醒邮件内容，提取出「主题」和「正文」。

后续节点引用

8.Agent执行日志

AI Agent 节点在每次执行后，都会自动生成一份执行日志，用于查看模型调用过程与输出结果。

查看日志入口

查看方式一：测试运行中查看

点击流程编辑页右上角的 「测试」 按钮，系统将从触发节点开始依次执行流程。
当流程运行到 AI Agent 节点时，用户可在画布上看到状态（执行中 / 成功 / 失败）。

将鼠标悬停于节点上，点击「日志」按钮即可查看详情。

查看方式二：流程运行历史中查看

在流程运行历史详情页中，点击 AI Agent 节点内的「查看详情」按钮。

日志结构

日志分为左右两部分：

• 左侧：展示执行步骤类型（记忆、Agent、模型、工具），按执行顺序排列；

• 右侧：显示各步骤的具体输入、输出。

各步骤含义如下：

• 记忆：保存对话历史，包括用户输入、智能体回复（记忆仅对话工作流中存在）。

• Agent：记录节点的配置信息

• 解析文件链接：展示文件解析过程及结果。

• 选择模型：选择「自动选择模型」后提供，用于记录模型选择请求及最终选用的模型。

• 模型：记录大语言模型的输入输出及工具调用（Tool call）。

• 工具：记录被调用工具的输入参数、执行结果。

向 HAP 平台反馈

若对 AI Agent 执行过程有疑问，可点击日志页左下角 “反馈给平台” 按钮，将问题提交至 HAP 官方。

🔒 系统仅收集提问、AI 回复、工具参数，不会收集具体业务数据。

五、费用

在Agent 执行日志中，可查看每个Agent节点的Token消耗费用。

Agent对大语言模型的消耗将根据不同模型的Token定价扣减信用点。请保证组织信用点充足。

1个信用点=1元人民币。

---