本文详细介绍了如何基于腾讯元器2.0平台从零开始构建一个企业可落地的AI问诊Agent系统。作者强调减少产品横向对比多做真实落地实践拆解并通过图文并茂的方式展示了智能体的创建、工作流设计、知识库整合、效果演示以及代码实现等关键步骤。文章还讨论了Human in the loop工作流的应用以及如何通过插件广场和widget广场扩展应用功能适合对AI技术感兴趣的小白和程序员学习参考。昨天不少朋友私信我想要AI 问诊智能体的完整工作流设计所以我决定单独写一篇把从 0 到 1 的完整实现过程全部公开。本文将完整拆解如何基于腾讯元器 2.00 成本构建一套企业可落地的 AI 问诊 Agent 系统。废话不多说了直接上手。打开元器官网https://yuanqi.tencent.com/新建智能体• 打开首页可以直接点击左侧的新建智能体• 也可以点击1我的智能体打开后点击2新建智能体• 新建智能体有两个选项一个是公众号智能体可以直接使用公众号文章通用的知识库可以直接发布到公众号。这个需要授权公众号• 一个是对话式智能体不使用公众号直接用对话式智能体就行了我就基于对话式创建一个填写你的智能体名称和简介要解决什么问题。• 创建的智能体默认是标准模式• 点击1的编辑图标可以切换智能体的模式元器提供了三种模式大部分场景标准模式就够了• 点击2选择单工作流模式• 点击3确认切换• 最后点击保存• 点击头部的工作流管理• 点击新建• 可以手动开发也可以批量导入文章后面我会给下载链接点击上传工作流附件。导入进来2个工作流一个是主工作流一个循环体工作流元器的循环是一个子工作流。导入或新建的工作流需要点击启用要不然智能体用不了。新建知识库在元器首页点击知识库我们创建一个通用知识库把文档丢进去。整合• 在新建的智能体首页需要点击1添加选中刚创建的知识库然后确定。不添加进去在智能体中是没法使用的。• 点击1添加工作流把刚才创建的主工作流2添加进去单工作流节点只允许添加一个。在主节点里知识库查询选择的是全部知识库。效果演示当我输入头疼然后生成了问诊问题我需要挨个选择问题。当把所有的问题确认完成以后就生成了报告。整体报告按照约定的格式生成。整个过程Human in the loop工作流拆解演示完效果了我接着拆解下工作流。• 用户输入症状• 从问诊知识库中检索相关的症状• 大模型根据症状检索的内容生成问诊问题列表• 代码节点格式化数据今天整理的时候发现模型节点可以直接格式化这一步可以省略•在循环体中进行Human in the loop• 大模型根据症状用户的回复整合出报告• 在循环节点内• 我们遍历全部元素• 然后讲结果聚合输出到3Results中• 循环体的具体实现是一个工作流• 循环体内很简单接收传递过来的item和idx• 使用代码节点将item格式化不格式不知道有哪些变量• 使用选项卡展示给用户• 最终将问题和答案聚合后返回代码1 中的代码如下importjson def main(params: dict)-dict: 从传入的问题数据中提取options和question字段 try:# 获取输入的问题数据item_dataparams.get(item,{})# 如果item_data是字符串尝试解析为字典ifisinstance(item_data, str):# 去除可能的空白字符item_dataitem_data.strip()ifitem_data:# 尝试解析为JSONitem_dictjson.loads(item_data)else: item_dict{}else: item_dictitem_dataifisinstance(item_data, dict)else{}# 提取需要的字段optionsitem_dict.get(options,[])questionitem_dict.get(question,)question_iditem_dict.get(id,0)categoryitem_dict.get(category,)question_typeitem_dict.get(type,single)# 确保options是列表类型ifnot isinstance(options, list): options[]# 构建结构化返回数据result{options:options,# 选项列表question:question,# 问题文本question_id:question_id,# 问题IDcategory:category,# 问题分类type:question_type,# 问题类型single/multipleoptions_count:len(options),# 选项数量parse_success:True}returnresult except Exception as e:return{options:[],question:,question_id:0,category:,type:single,options_count:0,parse_success:False,error:f处理失败: {str(e)}}代码节点就是为了结构化最关键的是问题和答案选项。• 在选项卡中引导语就是上一步生成的问题• 选项设置可以选择手动设置内容也可以动态拉取变量值• 效果如下信息收集节点元器提供了四种参数、选项卡、文件收集、文本收集我们可以根据我们的需要动态调整。从选项卡的内容中我们可以看到支持大模型那我猜测是不是可以用大模型动态生成选项这个先不去研究了。发布调试完的应用需要发布出去。点击右上角的发布。可以发布到微信的生态腾讯应用生态第三方生态里。在微信生态里使用免费。新版本的元器可以通过插件广场创建插件和接入mcp服务。如果将一些不敏感的业务接口包装成插件token免费平台免费,多爽。后记• 这个工作流还有很大的优化空间目前只是用于demo演示• 升级后的元器版本体验起来很丝滑,很多功能都有ai辅助• 通过插件广场和widget广场使应用充满无限可能• 对于小规模企业生态在微信里的完全可以免费构建自己的智能体如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
从0到1手把手教你用腾讯元器2.0搭建AI问诊智能体（收藏版）
本文详细介绍了如何基于腾讯元器2.0平台从零开始构建一个企业可落地的AI问诊Agent系统。作者强调减少产品横向对比多做真实落地实践拆解并通过图文并茂的方式展示了智能体的创建、工作流设计、知识库整合、效果演示以及代码实现等关键步骤。文章还讨论了Human in the loop工作流的应用以及如何通过插件广场和widget广场扩展应用功能适合对AI技术感兴趣的小白和程序员学习参考。昨天不少朋友私信我想要AI 问诊智能体的完整工作流设计所以我决定单独写一篇把从 0 到 1 的完整实现过程全部公开。本文将完整拆解如何基于腾讯元器 2.00 成本构建一套企业可落地的 AI 问诊 Agent 系统。废话不多说了直接上手。打开元器官网https://yuanqi.tencent.com/新建智能体• 打开首页可以直接点击左侧的新建智能体• 也可以点击1我的智能体打开后点击2新建智能体• 新建智能体有两个选项一个是公众号智能体可以直接使用公众号文章通用的知识库可以直接发布到公众号。这个需要授权公众号• 一个是对话式智能体不使用公众号直接用对话式智能体就行了我就基于对话式创建一个填写你的智能体名称和简介要解决什么问题。• 创建的智能体默认是标准模式• 点击1的编辑图标可以切换智能体的模式元器提供了三种模式大部分场景标准模式就够了• 点击2选择单工作流模式• 点击3确认切换• 最后点击保存• 点击头部的工作流管理• 点击新建• 可以手动开发也可以批量导入文章后面我会给下载链接点击上传工作流附件。导入进来2个工作流一个是主工作流一个循环体工作流元器的循环是一个子工作流。导入或新建的工作流需要点击启用要不然智能体用不了。新建知识库在元器首页点击知识库我们创建一个通用知识库把文档丢进去。整合• 在新建的智能体首页需要点击1添加选中刚创建的知识库然后确定。不添加进去在智能体中是没法使用的。• 点击1添加工作流把刚才创建的主工作流2添加进去单工作流节点只允许添加一个。在主节点里知识库查询选择的是全部知识库。效果演示当我输入头疼然后生成了问诊问题我需要挨个选择问题。当把所有的问题确认完成以后就生成了报告。整体报告按照约定的格式生成。整个过程Human in the loop工作流拆解演示完效果了我接着拆解下工作流。• 用户输入症状• 从问诊知识库中检索相关的症状• 大模型根据症状检索的内容生成问诊问题列表• 代码节点格式化数据今天整理的时候发现模型节点可以直接格式化这一步可以省略•在循环体中进行Human in the loop• 大模型根据症状用户的回复整合出报告• 在循环节点内• 我们遍历全部元素• 然后讲结果聚合输出到3Results中• 循环体的具体实现是一个工作流• 循环体内很简单接收传递过来的item和idx• 使用代码节点将item格式化不格式不知道有哪些变量• 使用选项卡展示给用户• 最终将问题和答案聚合后返回代码1 中的代码如下importjson def main(params: dict)-dict: 从传入的问题数据中提取options和question字段 try:# 获取输入的问题数据item_dataparams.get(item,{})# 如果item_data是字符串尝试解析为字典ifisinstance(item_data, str):# 去除可能的空白字符item_dataitem_data.strip()ifitem_data:# 尝试解析为JSONitem_dictjson.loads(item_data)else: item_dict{}else: item_dictitem_dataifisinstance(item_data, dict)else{}# 提取需要的字段optionsitem_dict.get(options,[])questionitem_dict.get(question,)question_iditem_dict.get(id,0)categoryitem_dict.get(category,)question_typeitem_dict.get(type,single)# 确保options是列表类型ifnot isinstance(options, list): options[]# 构建结构化返回数据result{options:options,# 选项列表question:question,# 问题文本question_id:question_id,# 问题IDcategory:category,# 问题分类type:question_type,# 问题类型single/multipleoptions_count:len(options),# 选项数量parse_success:True}returnresult except Exception as e:return{options:[],question:,question_id:0,category:,type:single,options_count:0,parse_success:False,error:f处理失败: {str(e)}}代码节点就是为了结构化最关键的是问题和答案选项。• 在选项卡中引导语就是上一步生成的问题• 选项设置可以选择手动设置内容也可以动态拉取变量值• 效果如下信息收集节点元器提供了四种参数、选项卡、文件收集、文本收集我们可以根据我们的需要动态调整。从选项卡的内容中我们可以看到支持大模型那我猜测是不是可以用大模型动态生成选项这个先不去研究了。发布调试完的应用需要发布出去。点击右上角的发布。可以发布到微信的生态腾讯应用生态第三方生态里。在微信生态里使用免费。新版本的元器可以通过插件广场创建插件和接入mcp服务。如果将一些不敏感的业务接口包装成插件token免费平台免费,多爽。后记• 这个工作流还有很大的优化空间目前只是用于demo演示• 升级后的元器版本体验起来很丝滑,很多功能都有ai辅助• 通过插件广场和widget广场使应用充满无限可能• 对于小规模企业生态在微信里的完全可以免费构建自己的智能体如何学习大模型 AI 由于新岗位的生产效率要优于被取代岗位的生产效率所以实际上整个社会的生产效率是提升的。但是具体到个人只能说是“最先掌握AI的人将会比较晚掌握AI的人有竞争优势”。这句话放在计算机、互联网、移动互联网的开局时期都是一样的道理。我在一线科技企业深耕十二载见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事早已在效率与薪资上形成代际优势我意识到有很多经验和知识值得分享给大家也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。我们整理出这套AI 大模型突围资料包✅ 从零到一的 AI 学习路径图✅ 大模型调优实战手册附医疗/金融等大厂真实案例✅ 百度/阿里专家闭门录播课✅ 大模型当下最新行业报告✅ 真实大厂面试真题✅ 2026 最新岗位需求图谱所有资料 ⚡️ 朋友们如果有需要《AI大模型入门进阶学习资源包》下方扫码获取~① 全套AI大模型应用开发视频教程包含提示工程、RAG、LangChain、Agent、模型微调与部署、DeepSeek等技术点② 大模型系统化学习路线作为学习AI大模型技术的新手方向至关重要。 正确的学习路线可以为你节省时间少走弯路方向不对努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划带你从零基础入门到精通③ 大模型学习书籍文档学习AI大模型离不开书籍文档我精选了一系列大模型技术的书籍和学习文档电子版它们由领域内的顶尖专家撰写内容全面、深入、详尽为你学习大模型提供坚实的理论基础。④ AI大模型最新行业报告2025最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。⑤ 大模型项目实战配套源码学以致用在项目实战中检验和巩固你所学到的知识同时为你找工作就业和职业发展打下坚实的基础。⑥ 大模型大厂面试真题面试不仅是技术的较量更需要充分的准备。在你已经掌握了大模型技术之后就需要开始准备面试我精心整理了一份大模型面试题库涵盖当前面试中可能遇到的各种技术问题让你在面试中游刃有余。以上资料如何领取为什么大家都在学大模型最近科技巨头英特尔宣布裁员2万人传统岗位不断缩减但AI相关技术岗疯狂扩招有3-5年经验大厂薪资就能给到50K*20薪不出1年“有AI项目经验”将成为投递简历的门槛。风口之下与其像“温水煮青蛙”一样坐等被行业淘汰不如先人一步掌握AI大模型原理应用技术项目实操经验“顺风”翻盘这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。以上全套大模型资料如何领取
