文档中心

实时音视频

用户指南

智能体管理

智能体是赋予硬件设备“思考”与“表达”能力的大脑。在将 AI 能力接入硬件设备前，您需要先创建一个智能体来定义设备和用户的交互行为。您可以根据业务需求，为智能体配置 ASR、LLM 及 TTS 等基础能力，还可以结合视觉理解、Function Calling 等高级功能来满足复杂场景需求。本文将指导您如何创建、配置及管理智能体。

前提条件

已经开通硬件对话智能体服务并完成授权。更多信息，请参见第一步：开通服务与授权。

创建智能体

登录硬件对话智能体控制台。

在左侧导航栏，单击智能体管理。

单击 +创建智能体。

在创建智能体对话框，根据智能体配置说明完成智能体配置。

单击保存配置。

创建成功后，您可以在智能体管理页面查看和管理智能体。

要在您的设备上应用新建的智能体，必须先将智能体关联到产品上。具体操作，请参见为智能体关联产品。

智能体配置说明

智能体配置包括：

基础配置：智能体的基本信息、大模型、语音识别、语音合成及欢迎语。

高级配置：可选配置，方便您优化语音交互体验和启用扩展功能。

基础配置

类别	配置项	说明
基础信息	智能体名称	设置智能体的名称，建议使用易于识别的业务名称。
基础信息		角色模板	选择预设角色模板或自定义角色。预设角色模板：系统提供智能助手、可爱玩偶、情感陪伴、儿童百科、翻译助手等模板，预置了适配相应场景的 LLM、Prompt、音色及欢迎语等配置。自定义：从零开始配置所有参数。
大模型 (LLM)	大模型类型	选择驱动智能体对话能力的大模型类型。可选项：方舟大模型：使用火山引擎方舟平台提供的模型。扣子 (Coze)：接入 Coze 平台的 Bot。第三方大模型 / Agent：接入自建或其他第三方模型。注意使用扣子平台、第三方大模型 / Agent 时，产生的 LLM Tokens 无法通过 License 或扩展资源抵扣。扣子平台计费方式，请参见扣子_模型费用。第三方大模型 / Agent计费方式，以第三方模型提供商为准。
		（方舟大模型相关配置）	如果选择方舟大模型，需要配置以下参数： ModelName：选择一个具体的模型。示例：“Doubao-Seed-1.6-flash \| 250715 深度思考视觉理解文本生成”。其中，250715 指模型的时间版本，“深度思考视觉理解文本生成”为模型支持的能力。视觉理解模型（仅适用于支持视觉理解能力的模型）：开启后，智能体可理解实时视频画面或外部图片，实现感知环境、理解真人行为、图像问答等。注意使用视觉理解会消耗视频处理扩展资源。您必须为产品分配相应的扩展资源。更多信息，请参见管理 License 和扩展资源。说明 Doubao-1.5 及之前系列的模型，不支持同时使用视觉理解能力和 Function Calling 功能。深度思考模式（仅适用于支持深度思考能力的模型）：设置是否启用深度思考。说明实时对话场景建议关闭深度思考，以减少模型推理延迟，让对话更流畅。 Prompt：输入用于指导模型生成回应的提示词，定义智能体的人设、语气和回复格式等。
		（扣子（Coze）相关配置）	如果选择扣子 (Coze)，需配置以下参数： URL：固定为 http://api.coze.cn。扣子智能体 BotID：填写已发布的 Coze Bot ID（发布渠道必须包含 API ）。 APIKey：填写您在 Coze 平台的个人访问令牌。说明在生产环境建议选择更安全的认证方式，如 OAuth。
		（第三方模型/Agent相关配置）	如果选择第三方大模型 / Agent，需配置以下参数： URL：填写 HTTPS 服务地址，需支持公网访问。说明 URL 必须符合火山引擎接口标准。您可参考验证接口检查 URL 是否符合标准。如需传递非敏感业务信息（如 session_id），可直接拼接在 URL 查询参数中，格式：https://<API地址>?<参数名>=<参数值>。 ModelName：填写模型名称。 APIKey：填写访问模型的 API Key。视觉理解模型（仅适用于支持视觉理解能力的第三方模型，不适用于第三方智能体）：开启后，智能体可理解实时视频画面或外部图片，实现感知环境、理解真人行为、图像问答等。 Prompt：输入用于指导模型生成回应的提示词，定义智能体的人设、语气和回复格式等。
语音识别 (ASR)	ASR 服务	选择语音识别服务。可选项：流式语音识别大模型：识别准确率更高，系统自动识别语言。详细特性参见流式语音识别大模型。流式语音识别：标准流式识别服务。详细特性参见流式语音识别。
语音识别 (ASR)		（流式语音识别相关配置）	如果选择流式语音识别，需配置以下参数：选择识别语言：手动指定识别场景及语言（如客服场景 / 流式语音识别-客服-中文）。
语音合成 (TTS)	TTS 服务	选择语音合成服务。可选项：火山引擎语音合成大模型：流式输入输出，支持多种情感/方言音色，表现力更生动。详细特性参见大模型语音合成。火山引擎语音合成：生成速度快，满足常规语音播报需求，适合短语或标准回复（如提醒、系统反馈）。火山引擎声音复刻：流式输入输出，支持复刻真人音色，语音合成效果更自然。
语音合成 (TTS)		选择合成声音	根据业务场景选择合适的音色。语音合成大模型与语音合成支持的音色不同，具体以控制台为准。声音复刻音色需要先定义后使用。更多信息，请参见使用声音复刻。
欢迎语	欢迎语 WelcomeMessage	设置智能体在对话开始时主动发送的问候语。

高级配置

配置项	说明
语音打断	开启后，用户在设备播报时说话可打断播报，实现“插话”效果。
关键词打断	开启后，只有当用户说出特定关键词（如“停止”、“闭嘴”）时可打断播报。仅在语音打断开启时生效。
VAD	开启语音活动检测 (Voice Activity Detection)，由服务端自动检测用户说话的开始和结束，决定回复的时机。若不开启，则需要由设备端自行控制语音输入的开始和结束（例如通过按键触发）。
语义判停	开启后，服务端将结合语义理解来判断用户是否说完整句话，避免误打断用户说话（如因说话停顿等情形）。
音频快速发送	开启后，可优化弱网环境下语音对话的流畅度。具体机制如下：服务端在每轮对话回复开始时，先将特定时长的音频数据一次性发送给客户端。客户端使用首段音频数据在本地建立播放缓冲区，用于对抗网络抖动。随后，服务端按照指定的时间间隔发送后续音频数据包。说明该功能需要嵌入式 Linux SDK 版本不低于 1.57 才能使用。
AI 降噪	开启后，服务端将对输入音频进行 AI 降噪处理（如过滤空调、风扇、敲键盘等环境噪声），以提升语音识别准确率。
字幕显示	开启后，可通过客户端接收字幕回调，实现在设备屏幕上显示字幕。开关只影响是否开启客户端字幕回调。如需通过服务端接收字幕回调，需要配置以下参数： ServerMessageUrl：设置接收字幕结果的 URL 地址。 ServerMessageSignature：设置鉴权签名。详细使用说明，请参见接收实时字幕。
上下文历史轮次	设置智能体记忆的对话轮数，用于维持对话上下文。例如，设置为 10，智能体会基于最近的 10 轮对话来理解上下文。默认值：10。
Function calling	为智能体配置调用外部工具来获取信息或执行操作（如调节设备音量、查询天气等）的能力。说明适用于所有支持 Function calling 的方舟大模型（推荐 Doubao-Seed-1.6）及第三方大模型 / Agent。配置方式：由客户端调用：仅需单击创建工具添加工具定义，工具执行逻辑由设备端实现。由服务端调用：需单击创建工具添加工具定义，并配置接收消息 URL（接收函数调用请求的 HTTPS 地址）和接收消息签名（用于验证请求来源的签名）。详细使用说明，请参见使用 Function Calling。

为智能体关联产品

将智能体关联到产品后，产品下的设备便可绑定该智能体，即使用该智能体与用户进行 AI 对话。

说明

设备仅能绑定与其所属产品关联的智能体。

操作步骤

在智能体管理页面，找到目标智能体，单击关联产品。

在弹出的对话框中，选择一个或多个产品，然后单击确定。

删除智能体

如果不再需要使用某个智能体，可以将其删除。

注意

删除智能体后，绑定该智能体的所有设备将无法与用户进行 AI 对话。请谨慎操作。

在智能体管理页面，找到目标智能体，单击 ... > 删除。

在弹出的对话框中，单击确定。

最近更新时间：2026.06.15 22:05:16

这个页面对您有帮助吗？

有用

无用