快速上手

快速开始

三十分钟，五个步骤。完成之后，你会拥有一个能基于自有文档和数据作答的智能体，并且知道如何验证它的回答是否诚实。

请在另一个标签页打开应用，边看边做。每个步骤都对应一个真实界面；学会这个平台最快的方式是完整点一遍，而不是只读文档。

开始之前：先接入一个模型提供商

没有可用模型，下面的一切都无法运行，而全新实例默认不带任何配置。请对号入座：

你的情况该怎么做在哪里操作
自托管设置 OPENROUTER_API_KEY ，然后重启。一个密钥即可访问大多数模型，因此这是最快的起步方式。安装与部署
使用他人搭建的实例接入你自己的提供商凭据；如果运维方配置了共享密钥，也可以直接使用。集成 — 模型与提供商

如何确认配置成功

打开 构建 → 智能体对话 ，查看模型选择器。如果其中列出了模型，说明已就绪；如果为空、或每次发送都返回提供商错误，说明密钥缺失或有误。请先解决这个问题，否则后面所有异常现象都会指向错误的方向。

1. 先和一个现成可用的例子对话

在动手构建之前，先运行一个完整的示例，以便你知道“正常工作”是什么样子。打开 构建 → 智能体集群 ，然后从 客服助手 模板开始。它是最适合入门的示例，因为文档后续讲到的大部分能力，在它里面都已经接好线了：

  • 路由器 ，负责对每个请求分类，并将其分派到三条路径之一；
  • 知识库检索 ，带重排序和引用校验；
  • 大模型裁判 ，为草稿答案的忠实度打分；
  • 人工审批 关卡，所有低置信度或敏感内容都会停在这里。

它无需任何配置：其检索节点指向 示例 · 笔记本 RAG 实验室，这是平台内置的只读知识库，所有用户均可读取。因此在全新实例上，这个模板就能回答真实问题。

先用它自带的问题运行一次，这个问题正是该示例知识库确实涵盖的：

text
How does retrieval-augmented generation reduce hallucinations,
and when should I use it instead of fine-tuning?

然后再问一个该示例知识库明显不包含的问题—— “我们的退款期限是多久？” ——观察它面对无法回答的问题时会怎么做。这一对比正是本平台的核心主题：第一个回答应当带有引用来源，第二个回答应当是拒绝，而不是编造。

2. 给平台准备可用的数据

没有数据的智能体只是个聊天机器人。有两个地方能为它提供实质内容，而且两者不可互换：

  • 知识库 ——存放文字。合同、政策、手册、抓取的网页。按语义检索，并带引用回答。适用于这类问题： “我们的退款期限是多久？”
  • 数据目录 ——存放行和列。CSV 文件、电子表格、数据仓库表。用 SQL 查询，精确统计。适用于： “三月我们一共退款了多少笔？”

为什么这样设计

语言模型无法可靠地做统计。让它从文档里汇总某一列，它会给出一个自信但错误的数字。任何必须 算术上 准确的内容，都应放进表里由 SQL 来统计；任何需要 忠实引用 的内容，则应放进知识库。选错地方，是产生“看似合理实则错误”答案的最常见原因。

两边各上传一个小文件即可。一个十行的 CSV 和一份两页的 PDF 就足够用来练习。

如果手头没有现成文件，可以把下面内容保存为 refunds.csv ，并上传到 数据 → 数据目录。它被刻意设计得足够小，方便你用肉眼核对智能体的计算结果：

csv
order_id,customer,region,refund_usd,refunded_on
1001,Acme,EMEA,120.00,2026-03-02
1002,Globex,AMER,45.50,2026-03-05
1003,Initech,EMEA,310.25,2026-03-11
1004,Umbrella,APAC,80.00,2026-03-14
1005,Acme,EMEA,15.75,2026-03-19
1006,Hooli,AMER,220.00,2026-04-02
1007,Globex,AMER,60.00,2026-04-08

最能说明问题的一次验证

三月退款合计 571.50 ，共五行数据。表接入之后，让智能体给出这个数字。如果答案正确且来源中显示了该表，说明接线正常；如果它给出一个自信的数字，而来源里却是一份 文档 ，那说明它是在猜，而你刚好见证了本页要讲的那种失败模式。

3. 构建智能体

打开 构建 → 智能体构建器 ，新建一个智能体。先填下面这些字段，其余暂时跳过：

  1. 1

    名称与系统提示词

    说明这个智能体是谁，以及它必须拒绝什么。要写得直白： “你只能依据提供的资料回答有关退货政策的问题。如果资料中没有涵盖，就直接说明。” 提示词含糊，是智能体表现不佳的第二大常见原因。
  2. 2

    模型

    选择工作区允许的任意模型。先从小而快的模型开始——你此刻要验证的是 接线 是否正确，而不是模型是否聪明。参见 模型与提供商.
  3. 3

    知识库

    关联你刚创建的集合，智能体即可从中检索。
  4. 4

    工具

    启用 sql_query ，让它能够读取你的表；如果它需要联网查资料，再启用 web_search 。只启用这个智能体确实需要的能力，参见下方提示。

不要把所有工具都打开

每多启用一个工具，模型在每一轮就多一个需要抉择的选项。给智能体配上八个工具，它有时就会拿错——放着联网搜索不用，反而对一张回答不了问题的表跑 SQL。只启用与该智能体职责相符的两三个即可。

一份值得作为起点的系统提示词。它把最关键的两件事讲得很直白：哪类问题该由哪个来源回答，以及两个来源都答不上时该怎么办：

text
You answer questions about our returns and refunds using only the
sources available to you.

- For anything about policy or wording, search the knowledge base and
  quote it. Do not paraphrase a policy from memory.
- For anything involving a count, a total or a date range, query the
  refunds table with SQL. Never estimate a number from prose.
- If the sources do not cover the question, say so plainly and stop.
  Do not fill the gap with general knowledge.

Always state which source you used.

为什么这样设计

真正起作用的是最后两条规则。当检索返回空结果时，模型的默认行为是照样作答，凭训练中吸收的内容流畅地回答，且不会给出任何提示表明这次回答与平时不同。只有明确要求它停下来，才能把这种“沉默的编造”变成你能察觉、能处理的显式拒绝。

4. 运行它，并查看来源

打开 构建 → 智能体对话，选择你的智能体，问它一个真实的问题。

在回答下方，你会看到 来源，并按信息出处分组——网页链接、知识库文档、查询读取的表，或某个 MCP 工具。这是最快的诚实度检查：如果你问的是数据类问题，而来源显示的是文档而非表，说明智能体是凭一知半解的文字作答，并没有真正去统计。

生成文档

PPT / Word / Excel 按钮，可以把一段提示词加上你已接入的数据，直接变成可编辑的 Office 文件——带实时公式的工作簿，或带原生图表的演示文稿。试试 “把这张表做成一页纸的演示文稿摘要”。详见 智能体对话.

5. 读懂追踪记录

打开 追踪与日志 ，找到你刚才那次运行。追踪记录展示的是实际发生了什么，而不是智能体声称发生了什么：完全展开后的系统提示词、每一次工具调用及其参数和返回结果、输入输出令牌数、延迟与成本。

当智能体表现异常时，原因几乎总能在这里看到：某个工具返回了错误而模型把它糊弄过去了、某次检索返回了空结果、提示词里并没有你以为的那段内容。读追踪记录，是这个平台教给你的最有用的一个习惯。参见 日志与追踪.

如果第一次运行不成功

绝大多数问题出自以下四类，而且每一类的表象都容易让人误判：

你看到的现象通常原因解决办法
每条消息都失败，或模型选择器为空未配置提供商，或密钥被拒绝见上方“开始之前”——检查 OPENROUTER_API_KEY ，或在此处检查你自己的凭据： 集成
能回答，但没有来源没有关联任何数据，或没有匹配到内容确认该集合确实关联到了这一个智能体，并且其文档已处理完成
用文档来回答数据类问题sql_query 未开启，或表未关联启用该工具并关联表；回答下方的来源会告诉你到底是哪种情况
预期中的某个模型不见了有模型规则限制了该用户或用户组访问控制 → 访问控制 → 模型规则

改动之前，先读追踪记录

人们往往会直接动手改提示词。请先在 追踪与日志 中打开那次运行：它会显示检索是否返回了空结果、某个工具是否报错，以及提示词里实际包含了什么。大多数“是提示词写错了”的猜测，在这里十秒钟就能被推翻。

接下来看什么

上一篇简介下一篇 核心概念