AI知识库智能助手

项目访问链接

https://zion.functorz.com/tool/EQvM7ze7AnN/WEB?code=RFrG2Jr1mbnOe 

场景与目标

• 目标：构建一个能够检索私有知识库，并根据检索内容自动生成回答的智能助手。
• 适用场景：企业内部文档查询、智能客服机器人、技术支持自动化。
• 核心逻辑：用户提问 -> AI Agent -> 行为流 (工具调用) -> 数据库 (向量搜索) -> AI 综合回答 -> 输出。

实现步骤

数据存储

• 数据模型：创建名为 文章 的数据表。

• 数据录入：录入几条测试数据，作为知识库。

行为流配置

创建一个行为流，作为 AI Agent调用的“工具”，执行实际的语义检索动作。

行为流搭建

1. 输入参数：添加一个名为 question 的文本参数，用于接收 AI 传递的用户问题。
2. 获取首选匹配项：
   • 添加一个获取数据节点，选择 文章 表。
   • 排序：选择 内容 字段，模式设为 向量 (Vector)。
   • 函数：选择 COSINE (余弦相似度)。
   • 输入绑定：绑定至 行为流输入.question。
   • 限额：设为 1 (返回最相关的一条)。
3. 获取次选匹配项：
   • 再次添加一个获取数据节点。
   • 过滤条件：设置 id “不等于”上一步获取到的 ID，以避免重复。
   • 排序/函数：配置同上 (向量模式 + COSINE)。
   • 限额：设为 1 (返回相关度第二的内容)。
4. 输出结果：定义四个文本输出参数，将检索到的数据返回给 AI：
   • primary_content: 来自第一个获取数据节点的内容。
   • primary_link: 来自第一个获取数据节点的链接。
   • secondary_content: 来自第二个获取数据节点的内容。
   • secondary_link: 来自第二个获取数据节点的链接。

AI agent

在 AI 模块中配置Agent的身份和工具调用逻辑。

• 角色 (Role)：

你是一个专业的 Zion 无代码平台技术支持智能助手。

• 任务详情 (Task Details)：

你的主要目标是通过检索官方知识库，准确地回答用户的问题。
# 工作流
1. 接收到用户问题后，立刻且仅调用一次 `SearchKnowledgeBase` 工具。将用户的输入传入 `question` 参数。
2. 工具会返回匹配度最高的 2 篇文章中的四个输出变量。
3. 仔细评估 `primary_content`（首选内容）和 `secondary_content`（备选内容）：
   * ​**若发现相关信息**​：综合两者（或其中之一）的相关信息，生成清晰、简明的回答。
   * ​**必须在结尾附加参考链接**​。如果两篇文档都有用且链接不同，请将两个链接都列出。如果只有一篇文档有用，则只列出该链接。 使用以下 Markdown 格式：`[阅读首选文档]({{primary_link}})`​`[阅读备选文档]({{secondary_link}})`（仅在需要时提供）
   * ​**若两者均无关或为空**​：严禁捏造答案，无需给出链接。请礼貌回复：“抱歉，我目前的知识库中没有找到确切答案。请查阅 Zion 官方文档了解更多细节。”
4. 语言：始终使用与用户提问完全相同的语言进行回复。

• 任务限制 (Constraints)：

1.等待输入：会话开始时严禁调用任何工具。你必须等待用户明确提出zion相关问题。
2.仅限一次搜索：针对每条用户消息，严格限制最多只能调用 1 次搜索工具。如果第一次搜索没有返回预期的答案，严禁重试、循环或更改搜索关键词。

• 工具 (Tools)：在工具栏点击 +，添加刚才配置好的行为流。在提示词中提到的工具名应与配置的“工具名称”一致，避免因理解偏差导致的调用失败。

验证

在 AI 配置页面的右侧调试窗口进行测试：

• ​匹配测试​：询问一个数据库中明确存在的信息。
  • ​预期结果​：AI 成功提取内容，并输出唯一的相关链接。
• ​融合测试​：提问一个涉及两篇文档内容的问题。
  • ​预期结果​：AI 同时综合了首选和备选内容，并同时列出两个参考链接。
• ​无关拦截​：输入完全无关的问题（如“今天天气怎么样”）。
  • ​预期结果​：AI 识别到内容不匹配，触发“无关处理”逻辑礼貌致歉，​不乱给链接​。
• ​防抢跑​：新开一个会话，什么都不输入。
  • ​预期结果​：无“工具调用”，直到你发送第一条消息。