此智能体简单但实用，它构建一个集成会话管理、知识库检索与大模型推理的智能对话系统。传入一本小说文档，就能帮你解答关于小说的一切问题。

一、工作流整体概览

核心是一条典型的对话工作流，工作流思路：接收用户输入 → 管理会话上下文 → 检索相关知识 → 调用大模型生成回答。

二、分步教学详解

步骤1：开始节点

默认的【开始】节点：工作流的起点，触发后续流程。

• 默认输入【USER_INPUT】：接收用户发送的文本内容，作为本次处理的查询主体（query）。这里是整个工作流的输入来源，通常需在前端界面中配置输入框组件与之绑定。
• 默认输入【CONVERSATION_NAME】：设置或传递当前会话的唯一标识。在多轮对话中，该名称用于区分不同用户或不同对话线程。

步骤2：会话管理

节点【查询会话历史】：根据conversationName检索该会话之前的对话记录（messageList）。这一步是关键，它让AI能够理解上下文，实现连贯的多轮对话。

要先创建知识库，上传小说文档：

步骤3：知识库检索

• 【知识库检索】节点：利用用户当前的query，在已关联的知识库中进行语义检索。这里会返回与问题相关的知识片段，为后续大模型提供准确、专业的信息支持，避免【凭空捏造】。

注意：最小匹配度的意思是：

• 0.01 表示完全不相关
• 1（0.99） 表示完全匹配，与查询意图100%一致

步骤4：大模型调用与推理

• 节点【大模型】：这是工作流的核心处理单元。

• • 输入：整合之前的query、历史对话messageList、以及知识库检索结果。
  • 处理：大模型基于全部输入信息进行推理，生成回答的思考过程（reasoning_content）和最终回复内容。

    

  • 特色功能【思考深度调节】：此处可通过参数（如示例中的【豆包:1.6思考深度调节】）控制模型思考的复杂度和细致度。数值越高，模型可能表现得更深入、更周全，但响应时间也可能相应增加。

步骤5：输出与返回

• 节点【outputList】：整理并输出最终的回复内容。通常包括：

• • 模型生成的自然语言答案
  • 可选的可解释性内容（如引用来源、简要推理说明）

    

• 输出结果最终返回给用户，完成一次完整的交互。
• 试运行成功后点击发布。

步骤6：智能体

创建一个智能体，

1. 绑定刚刚发布的对话流。
2. 人设就让它输出对话流的结果就行。
3. 开场白略微写一下。

   

4. 测试无误后点击发布。

小记

测了多次80%满意，因为问他“多少次”、“第几次”发生的事情时，【数据库检索】节点的输出提取到的内容不完善，原因一是只能检索到20条，原因二是时间顺序好像不存在。导致大模型由于拿到的输入不完全正确，输出也差点意思，如图，问：韩立跟南宫婉见面的场景有哪些？检索了20条内容，大模型输出就5条

继续追问，我要她俩见面的全部场景，倒反天罡，只给了我4个场景：

除此之外（不问关于次数的问题）都还挺好的，人物关系捋得很清：

coze的知识库检索应该加一些功能，还有知识库录入的分段，感觉还可以更智能，比如识别章节目录啥的，而不是只有几级标题。