AgentKit
AgentKit
文档指南
请输入
- 文档首页
AgentKitAgentKit开发者指南SDK参考Knowledge
复制全文
下载 pdfKnowledge
文档反馈
问问助手本文展示了如何使用VeADK构建一个带知识库能力的智能体，知识库后端采用VikingDB Knowledge。智能体可以根据用户输入的问题，使用知识库来回答用户的问题。
步骤一：创建知识库
# 智能客服知识库
## 1. 公司简介
VE 科技是一家专注于智能客服与知识管理的高科技公司。我们的核心产品是 **智能客服系统**，通过自然语言处理与知识库检索，为企业客户提供高效、智能的自动化客服解决方案。
## 2. 产品功能说明
- **自动问答**：基于知识库，快速响应常见问题。
- **多渠道接入**：支持网页、App、微信、飞书等渠道。
- **智能推荐**：根据上下文推荐相关答案。
- **数据分析**：提供用户问题统计与客服绩效报告。
- **自助知识库管理**：支持非技术人员快速编辑知识内容。
---
## 3. 常见问题 (FAQ)
### Q1: 智能客服系统支持哪些语言？
A1: 目前支持 **中文** 和 **英文**，后续将逐步增加日语、韩语等多语言支持。
### Q2: 系统可以接入现有的 CRM 吗？
A2: 可以。我们的系统支持通过 API 与主流 CRM 系统进行无缝集成。
### Q3: 如果机器人无法回答用户问题，会怎么办？
A3: 系统会自动将问题转接至人工客服，并在后台记录该问题，方便管理员补充到知识库。
### Q4: 知识库内容多久更新一次？
## A4: 知识库支持 **实时更新**，管理员提交后即可立即生效。
## 4. 联系我们
- 官网：[https://www.example.com](https://www.example.com)
- 客服邮箱：support@ve
- 服务热线：400-123-4567
步骤二：导入知识库并获取环境变量
步骤三：构建智能体
您无需从0~1构建veadk项目，推荐您使用agentkit-cli，从Basic Agent App模版来创建项目（模板使用VeADK框架）。在模版创建完成后，您需要做以下修改：
- 为Agent添加Knowledgebase。
- 配置步骤二获取的环境变量到agentkit.yaml。
最终，您的代码文件如下所示：
'''
**simple agent demo app**
Before running, the user must set the following environment variables; otherwise, runtime exceptions will inevitably occur:
- MODEL_AGENT_NAME # model id in Volcano Engine Ark platform
- MODEL_AGENT_API_KEY # model api key in Volcano Engine Ark platform
MODEL_AGENT_NAME and MODEL_AGENT_API_KEY are used to access the model service of the Volcano Engine Ark platform.
'''
import logging
import os
from veadk import Agent, Runner
from veadk.knowledgebase import KnowledgeBase
from agentkit.apps import AgentkitSimpleApp
logger = logging.getLogger(__name__)
collection_name = os.getenv("DATABASE_VIKING_COLLECTION")
if not collection_name:
raise ValueError("DATABASE_VIKING_COLLECTION environment variable is not set")
model_name = "doubao-seed-1-6-250615"
app = AgentkitSimpleApp()
knowledgebase = KnowledgeBase(backend="viking", index=collection_name)
agent = Agent(
instruction="Answer customer's questions according to your knowledgebase.",
model_name=model_name,
knowledgebase=knowledgebase
)
runner = Runner(agent=agent)
@app.entrypoint
async def run(payload: dict, headers: dict) -> str:
prompt = payload["prompt"]
user_id = headers["user_id"]
session_id = headers["session_id"]
logger.info(
f"Running agent with prompt: {prompt}, user_id: {user_id}, session_id: {session_id}"
)
response = await runner.run(messages=prompt, user_id=user_id, session_id=session_id)
logger.info(f"Run response: {response}")
return response
@app.ping
def ping() -> str:
return "pong!"
if __name__ == "__main__":
app.run(host="0.0.0.0", port=8000)
步骤四：环境配置
为agentkit.yaml文件添加如下配置。
launch_types:
cloud:
runtime_envs:
DATABASE_VIKING_COLLECTION: <your viking collection name>
步骤五：启动服务
运行agentkit launch。构建好Runtime链接信息将被自动保存在agentkit.yaml文件中。
步骤六：发起调用
agentkit invoke "你们有什么产品？"
您将看到Agent成功读取到知识库中的信息，并将qa.md中的信息重新组织语言后回答您。
最近更新时间：2026.01.08 10:02:18
这个页面对您有帮助吗？
有用
有用
无用
无用