认识 AI Agent
Agent 可直接调用数据模型函数、服务函数和页面函数，触及应用的各个层次。了解四种 Agent 类型，找到适合你业务场景的方案。
从一个业务任务开始搭建可用 Agent
从一个真实业务任务出发，完成 Agent 创建、模型选择、提示词编写、工具配置、测试验证和上线前检查。
最通用的 ReActAgent
ReActAgent—最通用的 AI Agent，支持推理与行动交替执行，自主完成任务。
擅长任务拆解与委派的 DeepAgent
DeepAgent—擅长任务拆解与子Agent委派，多角色协作完成复杂任务。
擅长工作流编排的 FlowAgent
FlowAgent—通过可视化工作流编排构建确定性业务流程。
使用 EmbeddedAgent 将 Agent 嵌入外部网页
EmbeddedAgent—将已有 Agent 实例嵌入第三方网页，支持 JS SDK 和双向交互。
让 Agent 操作数据库
将数据模型函数暴露给大模型，让 Agent 更容易选择合适的数据查询和操作工具。
让 Agent 调用服务函数
将服务函数暴露给大模型，让 Agent 更容易选择合适的业务动作。
让 Agent 操作页面组件
为 Agent 指定工作页面，把页面函数作为候选工具暴露给大模型。
按需向大模型暴露工具函数
控制哪些工具函数会暴露给大模型，降低 Token 消耗和误选工具的概率。
用输入输出配置让 Agent 可被程序稳定调用
定义 Agent 的输入变量和输出格式，让聊天使用和程序调用都能获得稳定结果。
为 Agent 安装技能
为 Agent 添加可复用的技能包，快速扩展 Agent 的专业能力。
让 Agent 查阅知识库
为 Agent 集成知识库，实现检索增强生成（RAG），提升回答的准确性和时效性。
为 Agent 开启联网搜索
为 Agent 配置联网搜索和网页读取能力，让 Agent 能在需要时查询公开网页资料。
让 Agent 拥有记忆
配置 Agent 的会话状态存储和跨会话长期记忆，包括向量检索、记忆写入和时间衰减。
Agent 文件空间
三种文件空间的配置方法、路径规则、上传/读写路由行为，以及 System Prompts 编写建议。
自定义 LLM 调用参数
自定义 Agent 的大模型调用参数，包括温度、最大 Token 数、推理努力程度等，按需微调模型行为。
自动压缩对话上下文
自动压缩对话历史，通过摘要降低大模型的上下文压力。
运行时上下文注入
配置运行时上下文注入，让 Agent 感知当前时间、用户身份和语言偏好。
隐私保护
配置 PII 检测和脱敏规则，保护对话中的敏感信息。
控制 Agent 访问权限
通过平台统一的 RBAC 权限体系，控制 Agent 的可见范围、数据访问和服务函数调用权限。
配置欢迎语和预置问题
配置 Agent 的欢迎语和预置问题，降低用户首次使用的门槛。
在聊天页面中使用 Agent
了解如何通过 URL 访问 Agent 聊天页面，直接进入指定 Agent 或选择 Agent 开始对话。
使用钩子函数实现运行时拦截扩展
通过 Python 代码在生命周期关键节点插入自定义逻辑。
在前后端程序中调用 Agent
将 Agent 集成到应用中，支持前端页面调用、后端服务调用和代码级 API。
看懂平台内置 Agent
理解平台内置 Agent 的能力边界、组织方式和设计思路，既帮助最终用户选用，也帮助开发者复用其设计范式。
使用 AI 开发助手开发 JitAI 元素
在 IDE 中使用内置 AI 开发助手，把业务需求拆解为 JitAI 元素矩阵，并通过源码变更集、差异审阅、构建和刷新完成开发闭环。