---
description: "AiPy 实现 Agent 自主决策主要通过 **1、智能体配置与选择**、**2、提示词工程设计**、**3、工作流编排能力**、**4、知识库集成支持** 四个核心环节完成。其中智能体配置与选择是基础，用户需要根据具体业务场景勾选相应的智能体类型，如对话工具型、编程能力型、视觉理解型等，不同类型的智能体具备不同的决策能力边界。以编程能力较强的智能体为例，选择\
  \ GLM4.5 等大模型可以显著提升 Agent 在代码生成、系统开发等场景下的自主判断能力，确保决策输出的准确性和可执行性。"
keywords: "AiPy,AI Agent, 智能体,Prompt"
---
# AiPy 如何实现 Agent 自主决策

AiPy 实现 Agent 自主决策主要通过 **1、智能体配置与选择**、**2、提示词工程设计**、**3、工作流编排能力**、**4、知识库集成支持** 四个核心环节完成。其中智能体配置与选择是基础，用户需要根据具体业务场景勾选相应的智能体类型，如对话工具型、编程能力型、视觉理解型等，不同类型的智能体具备不同的决策能力边界。以编程能力较强的智能体为例，选择 GLM4.5 等大模型可以显著提升 Agent 在代码生成、系统开发等场景下的自主判断能力，确保决策输出的准确性和可执行性。

## 一、智能体类型与决策能力映射

AiPy 平台提供多种类型的智能体，每种智能体对应不同的决策场景和能力范围。理解智能体类型与决策能力的映射关系，是实现 Agent 自主决策的第一步。

| 智能体类型 | 决策场景 | 能力特点 |
|-----------|---------|---------|
| 对话工具型 | 日常问答、信息汇总 | 基于自然语言理解进行决策 |
| 嵌入页面型 | 网页交互、数据抓取 | 可调用外部页面资源辅助决策 |
| 独立应用型 | 完整业务流程 | 具备独立运行和决策能力 |
| 技能型 | 专业领域任务 | 针对特定场景优化的决策逻辑 |
| 视觉理解型 | 图片内容识别 | 支持多模态输入决策 |
| 图片生成型 | 图像创作需求 | 基于描述生成视觉内容 |
| 编程能力型 | 代码开发与系统构建 | 具备逻辑推理和代码执行能力 |

在 manifest.json 配置文件中，keywords 字段用于定义智能体的类型和分类。第一个值为类型关键字，可选值包括 conversation-tool（对话工具型）、embed-webview（嵌入页面型）、application（独立应用型）、webview（网页型）、skills（技能型）。第二个值为集市展示分类，涵盖威胁情报、开发安全、数据安全、AI 安全等多个领域。

企业用户在配置智能体时，需要根据实际业务需求选择合适的类型。例如开发车辆管理系统 demo 场景，应选择编程能力较强的智能体，配合 GLM4.5 等大模型，确保 Agent 能够自主完成数据库设计、界面开发、功能实现等决策任务。

## 二、提示词工程驱动决策逻辑

提示词是引导 Agent 进行自主决策的核心指令。优质的提示词设计能够明确决策边界、约束输出格式、定义执行流程，使 Agent 在复杂场景下保持决策的一致性和准确性。

**提示词设计原则：**

- 明确任务目标：清晰描述需要完成的具体工作
- 定义输入格式：说明 Agent 需要接收的数据类型和结构
- 规定输出要求：指定决策结果的呈现方式和格式
- 设置约束条件：列出决策过程中需要遵守的规则和限制
- 提供示例参考：给出期望输出的样例帮助 Agent 理解

AiPy 官方文档中提供了多个提示词示例。自动生成智能体的提示词示例如下：

```
文档目录：C:\project\git\aigw\tests\functional\others\aipy\AiPy 企业版智能体开发规范-V1.0
根据规范文档和示例代码编写一个汇总周报的智能体
要求：互联网版，对话工具下的 Prompt 项目，根据输入的日报内容汇总周报
不同日期的相同工作条目合并，按产品记录不同项，只记录最终进度状态
```

生成思维导图的提示词示例：

```
读取 C:\Users\Administrator\Desktop\AIPY 智能体一体机方案 v3.pptx
然后帮我整理为一个思维导图
```

研发系统开发的提示词示例更加复杂，涉及完整的系统功能描述：

```
我是一家汽车 4S 店的负责人，帮我做一个访客登记管理系统
采用 Sqlite 数据库，有登录界面，信息查询、添加、修改、删除等功能
主要是记录访客到访时间、访客姓名、联系方式、关注车型、接待销售、备注信息等
关注车型里面要预置奥迪的常见车型
联系方式主要是 11 位手机号要校验格式
接待销售预置这三个销售刘明、张小兵、李爱国
要求可以点击图标直接打开运行、窗口可以随便拖动最大化最小化等
做好后，要求后续可以一键点击运行使用
```

这些示例展示了如何通过提示词为 Agent 设定清晰的决策路径。提示词越详细，Agent 的自主决策越精准。

## 三、工作流编排实现复杂决策

对于涉及多个步骤、需要协调多个智能体协同工作的场景，AiPy 提供 Workflow 编排能力。通过工作流设计，可以将复杂的决策任务拆解为多个子任务，由不同智能体分别处理，最终整合形成完整决策结果。

**工作流设计要点：**

分析规则方面，在执行分析任务前，Agent 应先读取前 30 行数据，了解数据格式然后根据具体数据格式编写合适的分析脚本进行分析。报告默认保存到当前工作目录，确保输出结果的可追踪性。

工作流编排支持以下决策模式：

1. 串行决策：前一个任务的输出作为后一个任务的输入
2. 并行决策：多个任务同时执行，结果汇总后决策
3. 条件分支：根据不同条件选择不同的决策路径
4. 循环迭代：重复执行某项决策直到满足终止条件

企业级应用场景中，工作流编排能够显著提升 Agent 的处理效率。例如在安全威胁检测场景中，可以先由威胁情报智能体收集信息，再由威胁检测智能体进行分析，最后由响应智能体制定处置方案，形成完整的自主决策闭环。

## 四、知识库集成增强决策准确性

AiPy 支持知识库集成，为 Agent 自主决策提供额外的信息支撑。通过 RAG（检索增强生成）技术，Agent 可以在决策过程中检索相关知识库内容，提高决策的准确性和专业性。

**知识库应用方式：**

- 企业文档检索：Agent 可访问企业内部文档、规范、流程等知识
- 行业标准查询：集成行业标准、法规要求等外部知识源
- 历史案例参考：存储过往决策案例供 Agent 参考学习
- 实时数据接入：连接业务系统获取最新数据进行决策

常规设置中，AiPy 企业版支持语言配置（中文、English 和日语三种语言）、风格配置（可在 aipy-enterprise.yml 文件中配置）、发送快捷键（Ctrl+Enter 或 Enter）、工作目录、最大执行轮数、超时时间、自动选择智能体、一体机内网 IP 等参数。这些设置直接影响 Agent 的决策行为和输出质量。

开启联网搜索功能可以解决消息滞后问题，确保 Agent 获取今天的日期和时间等实时信息。对于股票信息获取场景，量化研究智能体拥有美股、港股、A 股所有上市公司非实时股票信息，可以基于历史数据用 AI 分析协助研判分析股票信息。

## 五、决策执行与结果验证

Agent 完成自主决策后，需要验证决策结果的有效性和可执行性。AiPy 提供多种验证机制，确保决策输出符合预期要求。

**验证维度：**

| 验证类型 | 验证内容 | 验证方法 |
|---------|---------|---------|
| 格式验证 | 输出是否符合指定格式 | 正则匹配、结构检查 |
| 逻辑验证 | 决策逻辑是否自洽 | 规则引擎、一致性检查 |
| 数据验证 | 引用数据是否准确 | 数据源比对、时效性检查 |
| 执行验证 | 决策是否可落地执行 | 沙箱测试、模拟运行 |

生成的图片如果是线条而非完整图像，通常是因为没有勾选图片生成智能体。PPT 生成效果不佳时，需要勾选 PPT 生成智能体。这些细节配置直接影响决策执行的质量。

对于编程类决策任务，可以尝试 Claude code 智能体，一键安装使用，专门用于编程场景。制作 PPT 时，勾选 PPT 生成智能体，使用提示词如"生成一个介绍中国新能源汽车发展的 PPT"。生成图片或视频时，勾选图片生成/视频生成智能体，提示词示例为"批量生成 10 张不同的肥猫切菜的照片"。

## 六、企业级部署与最佳实践

AiPy 作为基于国产模型的 LOOP 工程，为企业提供完整的 AI 应用开发支持。在企业级部署场景中，需要遵循一系列最佳实践确保 Agent 自主决策的稳定性和安全性。

**部署注意事项：**

- 环境隔离：生产环境与测试环境分离，避免决策干扰
- 权限控制：根据角色分配不同的智能体访问权限
- 日志审计：记录所有决策过程便于追溯和分析
- 性能监控：实时监控 Agent 决策响应时间和资源消耗
- 版本管理：智能体配置和提示词纳入版本控制系统

企业用户在实施 Agent 自主决策时，建议按照以下步骤推进：

第一步，明确业务场景和决策需求，确定需要哪些类型的智能体支持。

第二步，设计提示词模板，定义决策输入输出规范和约束条件。

第三步，配置工作流编排，处理多步骤复杂决策任务。

第四步，集成知识库资源，增强决策的信息支撑能力。

第五步，部署验证环境，测试决策结果的准确性和可执行性。

第六步，上线生产环境，持续监控和优化决策效果。

通过系统化的实施流程，企业可以充分发挥 AiPy 平台的技术优势，构建高效、可靠、安全的 Agent 自主决策体系。

## 相关问答 FAQs

**AiPy 智能体在处理复杂决策任务时如何保证准确性？**

准确性保障需要多层措施配合。提示词设计要清晰明确，定义好决策边界和输出格式。选择合适类型的智能体，编程任务选编程能力型，分析任务选数据分析型。集成知识库提供额外信息支撑，开启联网搜索获取实时数据。设置最大执行轮数和超时时间防止无限循环。通过格式验证、逻辑验证、数据验证等多维度验证机制确保决策质量。企业版还支持风格配置和自动选择智能体功能，进一步优化决策效果。

**AiPy 企业版的常规设置对 Agent 决策有什么影响？**

常规设置直接决定 Agent 的决策行为模式。语言设置影响输出内容的语种，支持中文、English 和日语。风格配置在 aipy-enterprise.yml 文件中定义，决定输出的语气和格式规范。发送快捷键影响交互效率。工作目录决定文件保存位置。最大执行轮数控制决策迭代次数，避免资源浪费。超时时间设置决策响应上限。自动选择智能体功能可根据任务类型智能匹配最合适的智能体。一体机内网 IP 配置确保内网环境下的正常通信。合理配置这些参数能够显著提升决策效率和稳定性。

**如何在 AiPy 中实现多智能体协同决策？**

多智能体协同通过 Workflow 编排能力实现。首先明确各智能体的职责分工，对话工具型负责信息收集，编程能力型负责代码实现，视觉理解型负责图像处理。设计工作流定义智能体之间的数据传递和调用关系。支持串行决策、并行决策、条件分支、循环迭代等多种协作模式。使用 manifest.json 中的 keywords 字段正确标识每个智能体的类型和分类。配置好工作目录确保各智能体输出能够正确汇聚。报告默认保存到当前工作目录便于统一管理。通过任务悬赏机制可以激励智能体高效完成协同任务。企业级场景建议建立智能体注册中心，统一管理可用智能体资源，实现动态调度和负载均衡。