主题
搭建你的第一个 Agent
别想太多，先做一个出来。1-2 小时搞定，效果不好再改。
从最简单的场景开始
不要上来就做一个全能客服 Agent。先从一个 小而具体 的场景切入：
| 好的起步场景 | 不好的起步场景 |
|---|---|
| 自动回答 10 个最常见的客户问题 | 搭建一个全能 AI 客服系统 |
| 根据模板生成商品标题 | 自动化整个内容生产流程 |
| 每天自动汇总销售数据 | 搭建一个智能数据分析平台 |
Anthropic 的建议：
"从最简单的方案开始，只在确实能改善效果时才增加复杂度。"
方案一：用扣子（Coze）零代码搭建
场景：客户常见问题自动回答
目标：做一个能回答你公司 Top 20 常见问题的 AI 客服。
第一步：准备知识库
把你公司的常见问题整理成一个文档：
markdown
Q: 你们发什么快递？
A: 默认顺丰，偏远地区发中通。
Q: 多久能收到货？
A: 一般 2-3 天，偏远地区 4-5 天。
Q: 可以退货吗？
A: 7 天无理由退货，签收后 7 天内联系客服办理。
Q: 退款多久到账？
A: 退货收到后 1-3 个工作日退款。
... 继续写你的 Top 20 问题第二步：创建 Agent
- 打开 coze.cn，注册/登录
- 点击"创建 Bot"
- 设置：
- 名称：XX 品牌客服助手
- 人设与回复逻辑：
你是 XX 品牌的客服助手。 只基于知识库中的信息回答客户问题。 如果知识库中没有相关信息，说"这个问题我需要帮您转接人工客服"。 语气友好但专业，不要编造信息。
第三步：上传知识库
- 在 Bot 设置中找到"知识库"
- 上传你准备好的 FAQ 文档
- 扣子会自动对文档做向量化处理
第四步：测试
在右侧预览窗口中模拟客户提问：
- "你们发什么快递？" → 应该回答顺丰/中通
- "我买的面膜有没有防腐剂？" → 应该说转人工（知识库没有这个信息）
- "帮我退款" → 应该引导退货流程，不要自作主张承诺
第五步：发布
扣子支持一键发布到多个渠道：
- 飞书
- 微信公众号（需要企业认证）
- 豆包
- 网页嵌入
总耗时：约 1 小时（主要花在整理 FAQ 文档上）。
方案二：用 Dify 搭建（可自部署）
场景：商品信息查询 Agent
目标：做一个能查商品信息、回答产品问题的 Agent，数据留在自己服务器上。
第一步：部署 Dify
bash
# Docker 一键部署
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -d访问 http://localhost/install 完成初始化。
不想自己部署？
也可以用 Dify 的云服务：cloud.dify.ai，注册即用。
第二步：创建 Agent 应用
- 新建应用 → 选择"Agent"类型
- 配置模型：选择通义千问（国内免费）或 GPT-4（需翻墙）
- 写系统提示词：
你是 XX 品牌的产品顾问。 使用提供的工具查询商品信息来回答客户问题。 回答要准确、简洁。 如果查询不到相关信息，请诚实告知。
第三步：添加知识库
- 进入"知识库" → 新建 → 上传产品文档（PDF、Word、Excel 都行）
- 选择分段策略（默认即可）
- 在 Agent 中绑定这个知识库
第四步：添加自定义工具（可选）
如果你的商品数据在数据库或 ERP 里，可以通过 OpenAPI 接入：
- 准备 API 的 OpenAPI 文档
- 在"工具"中导入
- Agent 自动获得调用 API 的能力
第五步：测试和发布
Dify 提供：
- 网页聊天窗口（可嵌入你的网站）
- API 接口（给开发团队用）
- MCP 服务器模式（给其他 AI 用）
方案三：用 n8n 搭建工作流 Agent
场景：每日销售数据自动汇总
目标：每天早上自动从数据库拉销售数据，用 AI 生成分析报告，发到钉钉/飞书群。
工作流设计
定时触发（每天 8:00）
↓
查询数据库（昨日销售数据）
↓
AI 节点（生成分析报告）
↓
发送到钉钉/飞书群搭建步骤
部署 n8n：
bashdocker run -d --name n8n -p 5678:5678 n8nio/n8n创建工作流：
- 添加"Schedule Trigger"节点 → 设置每天 8:00
- 添加"MySQL/PostgreSQL"节点 → 连接你的数据库，写查询语句
- 添加"OpenAI"节点 → 提示词："分析以下销售数据，指出同比变化和异常，200 字以内"
- 添加"HTTP Request"节点 → 发送到钉钉 Webhook
测试：手动触发一次，检查每个节点的输出
n8n 的优势：700+ 预建集成（邮件、表格、数据库、消息平台），可视化拖拽，开源可自部署。
方案四：Claude Managed Agents（最新）
2026 年 4 月 8 日，Anthropic 发布了 Claude Managed Agents——用自然语言或 YAML 定义 Agent，Anthropic 负责运行环境、安全沙箱、状态检查点。
| 特点 | 说明 |
|---|---|
| 零基础设施 | 不需要服务器，Anthropic 托管 |
| 自然语言定义 | 用文字描述 Agent 该做什么 |
| 安全沙箱 | Agent 在隔离环境运行 |
| 自动检查点 | 长时间任务自动保存进度 |
| 定价 | API token 费用 + $0.08/会话小时 |
早期用户：Notion、Rakuten（乐天）、Asana。
适合：有开发能力、用 Claude 作为主力模型、不想管基础设施的团队。
来源：Anthropic Managed Agents 发布
搭完之后的 3 件事
1. 自己先用一周
不要急着给客户用。先让团队内部用一周，收集问题：
- Agent 在哪些问题上回答得好？
- 在哪些问题上答不出来或答错了？
- 响应速度够快吗？
2. 补充知识库
根据测试结果，把 Agent 答不出来的问题补进知识库。这是一个持续迭代的过程。
3. 设定边界
明确 Agent 什么能做、什么不能做：
- 能做：回答产品问题、查询订单状态
- 不能做：承诺退款金额、修改订单价格、提供医疗建议
- 遇到不确定的：转人工
Anthropic 的忠告
"从工作流开始，不要急着上 Agent。"
先做好一个简单的、步骤固定的工作流（模式一：提示词链），效果稳定了再考虑让 AI 自主决策。
一句话总结
扣子 1 小时零代码做出来，Dify 半天自部署搞定，n8n 适合流程自动化。先做出来用着，不好再改——比在那规划三个月强。
下一篇：测试和评估 — 上线前必须验证的事。