体验 Agent
中文

← 认识 AI · Multi-Agent

学习路线 · ⑧

如何创建 Agent？

创建 Agent，就是为 AI 定义一个目标、角色、能力和工作方式，让它能够围绕特定任务持续工作。

从一个想法开始，创建一个真正能够完成任务的 AI Agent。

创建 Agent，其实就是告诉 AI：你是谁、你要完成什么、你可以使用什么工具，以及什么时候应该采取行动。

简单来说：把一个想法变成可发布的 Agent：定义角色、接工具、定流程并测试。

  1. 一个想法
  2. 定义 Agent
  3. 赋予能力
  4. 连接工具
  5. 设计工作流程
  6. 测试
  7. 发布
「我想创建一个能够帮我研究 AI 新闻的 Agent。」

AI News Research Agent
自动搜索最新 AI 新闻 → 阅读资料 → 提取重点 → 分析趋势 → 生成日报。

创建 Agent 需要什么？

  1. Agent
  2. Identity Goal Tools
  3. 你是谁？ 做什么？ 能做什么？
  4. Knowledge Instructions
  5. 知道什么？ 怎么工作？
  • Identity

    你是谁？

  • Goal

    你要完成什么？

  • Tools

    你可以使用什么？

  • Knowledge

    你可以参考什么资料？

  • Instructions

    你应该怎么工作？

第 1 步：确定 Agent 要解决的问题

不要一开始就写 Prompt。先问：这个 Agent 到底要帮用户完成什么？

不够具体

❌ 太模糊：「这是一个很聪明的 AI。」

更清晰

✅ 更明确：「帮助用户进行市场研究。」

更进一步：「搜索公开资料，分析竞争对手，并生成市场研究报告。」

  1. 🎯 定义任务
  2. 谁在使用？
  3. 遇到什么问题？
  4. Agent 要完成什么？
  5. 什么结果才算完成？

第 2 步：定义 Agent 的角色

角色不是为了让 Agent「扮演一个人物」，而是帮助模型明确自己的职责和工作边界。常见角色例如：

  • Research Agent

    你是一名研究助手，负责帮助用户进行深入资料研究。

  • Coding Agent

    你是一名软件开发助手，负责帮助用户编写、调试和分析代码。

  • Study Agent

    你是一名学习助手，根据用户的目标制定学习计划并解释知识。

第 3 步：给 Agent 添加 Instructions

这是创建 Agent 最核心的一步。Instructions 可以告诉 Agent：

Instructions 应覆盖这些方面

  • 应该做什么
  • 不应该做什么
  • 如何处理任务
  • 输出什么格式
  • 什么时候使用工具
  • 如何处理错误

示例 Instructions

你是一名 Research Agent。

你的任务是帮助用户完成研究任务。

工作方式：
1. 理解用户的研究目标
2. 将任务拆分成研究问题
3. 搜索可靠资料
4. 比较和分析信息
5. 对重要信息进行验证
6. 最后生成结构化报告

如果信息不足，不要直接猜测。

Instructions 就像 Agent 的「工作手册」。

第 4 步：给 Agent 工具

例如 Research Agent：没有 Search 只能根据已有能力回答；有了 Search 可以主动获取资料。工具决定 Agent 能做什么。

  1. LLM
  2. 理解 → 生成
  3. LLM → Agent → Tools
  4. ├─ 🔎 Search
  5. ├─ 📄 Files
  6. ├─ 💻 Code
  7. ├─ 🌐 API
  8. └─ 🔌 MCP

只给 Agent 它真正需要的工具——工具越多，不一定越好。

第 5 步：给 Agent 知识

有些 Agent 需要使用特定知识。这时候就可以使用 RAG 等技术。

公司客服 Agent
  • 产品文档
  • FAQ
  • 售后政策
  • 价格信息
学习 Agent
  • 课程资料
  • 教材
  • 练习题
  • 学习笔记
企业内部 Agent
  • 内部文档
  • 知识库
  • 数据库
  • 项目资料

Instructions 告诉 Agent「怎么做」，Knowledge 告诉 Agent「参考什么」。

第 6 步：设计 Agent 的工作流程

  1. 用户提出研究目标
  2. 理解任务
  3. 拆分问题
  4. 搜索资料
  5. 阅读资料
  6. 分析
  7. 检查
  8. 生成报告

更复杂的流程

  1. 研究任务
  2. 分析
  3. 搜索资料 查询数据库
  4. 写报告

不是所有 Agent 都需要固定 Workflow，但复杂 Agent 往往需要明确工作步骤。

回顾 AI Workflow →

第 7 步：测试 Agent

创建 Agent ≠ Agent 已经做好了。需要测试。

  • 测试 1：正常任务

    「帮我研究 AI Agent 市场。」

    观察：能不能正确执行？

  • 测试 2：模糊任务

    「帮我研究一下 AI。」

    观察：会不会先询问需要研究什么？

  • 测试 3：信息不足

    「告诉我一家没有公开资料的公司的内部数据。」

    观察：会不会胡编？

  • 测试 4：工具失败

    搜索工具不可用时

    观察：Agent 会不会正确处理？

第 8 步：观察 Agent 的执行过程

一个真正可用的 Agent 平台应该让用户知道 Agent 到底做了什么。例如 Research Agent：

  • 理解任务
  • 制定研究计划
  • 搜索资料
  • 阅读 12 个来源
  • 分析市场数据
  • 生成报告
  1. 🔎 Web Search
  2. 查询：
  3. 「Japan AI Agent market 2026」
  4. 结果：
  5. 找到 18 个相关页面

这样用户可以理解、检查和控制 Agent——这也是 MEAGENT 产品体验很重要的一部分。

第 9 步：发布 Agent

测试完成以后：

  1. Draft
  2. Test
  3. Improve
  4. Publish
名称
Research Agent

描述
帮你搜索、分析资料并生成研究报告。

能力
Web Search / Files

使用方式
免费 / Credits / Pro

可见性
私人 / 分享链接 / 公开

一个完整的 Agent 是怎么创建出来的？

  1. 💡 想法 —「我想做一个研究助手」
  2. 🎯 定义任务 —「帮助用户完成市场研究」
  3. 🧠 定义角色 —「专业 Research Agent」
  4. 📋 Instructions
  5. 🔧 添加 Tools
  6. 📚 添加 Knowledge
  7. 🔄 设计 Workflow
  8. 🧪 测试
  9. 🚀 发布
  10. Agent

这一块实际上就是未来 MEAGENT Create 页面的雏形。

不需要成为程序员，也可以创建 Agent

传统方式
  1. 代码 → API → Model → Tools → Backend → 部署
现代 Agent Builder
  1. 选择模型 → 描述 Agent → 选择工具 → 添加知识 → 测试 → 发布

创建 Agent 正在从「编程问题」逐渐变成「设计问题」。复杂 Agent 仍可能需要代码与工程能力。

一个好的 Agent 应该具备什么？

  • 目标明确

    它到底解决什么问题？

  • 能力匹配

    拥有完成任务所需的模型和工具吗？

  • 知识可靠

    使用的信息来源可靠吗？

  • 流程合理

    任务步骤设计合理吗？

  • 可控

    用户知道它在做什么，并能控制权限吗？

一个好的 Agent，不是功能最多，而是能够稳定地完成一个明确的问题。

Agent 和 Workflow：先创建谁？

固定、重复、步骤明确 → 可以考虑 Workflow
  1. 上传 PDF → 总结 → 翻译 → 保存
目标明确，但执行路径可能变化 → 可以考虑 Agent
  1. 「帮我研究这个市场。」
  2. Agent 自己决定搜什么、查什么、是否继续

任务非常复杂时，Agent + Workflow 往往可以结合。

准备创建你的第一个 Agent？

从一个简单的任务开始：告诉 AI 你希望它完成什么，选择它需要的能力，然后开始测试。

创建 Agent →体验一个 Agent →

不知道从哪里开始？先看看别人创建的 Agent。

探索智能体 →

返回 AI 学习路线 →