設定 AI Agent:串接企業資料庫


教學目標

本教學將帶你建立一個「問答型 AI Agent」,可根據使用者提問,從企業內部資料庫取得相關資訊並提供回答。

1️⃣ 移除預設的 Chat AI Agent

當你開始創建一個新的 AI Agent 時,預設的流程圖會呈現如下初始狀態:Start ➡️ Chat AI Agent ➡️ End

(開頭一定是由 Start 連結,由 End 結束) Screenshot 2025-03-12 at 3.01.09 PM.png

本案例主要功能為串接企業資料庫,因此需刪除預設的「Chat AI Agent」元件:

在右側面板中點選該元件的選單圖示(⋮),再點選 delete 即可。 Screenshot 2025-03-12 at 5.40.21 PM.png

2️⃣ 拖曳並加入 Intent Classifier AI Agent

從左側的 Components 清單中,將 Intent Classifier AI Agent 拖曳至工作流程圖上。 Screenshot 2025-03-12 at 5.43.04 PM.png
⚠️ 注意連接箭頭的方向:

連線應從左向右延伸,表示執行順序。 Screenshot 2025-03-12 at 5.44.48 PM.png

3️⃣ 設定 Input:選擇 User Input Text

點選「Intent Classifier AI Agent」,切換至 Input 分頁, 點擊右上角的「ABC」按鍵,從下拉選單中選擇 User Input Text。

這個模組是使用者輸入的第一層處理核心,會透過本地語言模型(Local LLM)分析語意,並判斷使用者的意圖與所需資料的來源。 Screenshot 2025-03-12 at 5.46.18 PM.png

4️⃣ 新增並串接資料來源元件

將企業內部database API以及可上傳的文件的 component 加入流程圖:

Screenshot 2025-03-12 at 5.47.23 PM.png Screenshot 2025-03-12 at 3.44.14 PM.png

5️⃣ 設定語意判斷 Prompt Template

回到「Intent Classifier AI Agent」的 Local LLM Model 分頁,在 promptTemplate 欄位中輸入以下內容:

get_customer_info_api_tool: 客戶相關資訊 This handler is appropriate for retrieving customer information through the customer info API.
read_inventory_status_db_tool: 庫存資訊
維修紀錄: 有關維修相關的問題都跟這個資料來源有關
doc_search: addressing the user's requests for information on specific topics by analyzing the content of uploaded files or when none of the above APIs are suitable for the task.

Screenshot 2025-03-12 at 5.38.18 PM.png

6️⃣ 指令說明(Prompt 定義)

Screenshot 2025-03-26 at 10.55.59 AM.png

7️⃣ 設定條件邏輯(Conditional Routing)

透過條件設定,根據意圖自動分流到相對應的資料元件:

將滑鼠移到流程圖中第一條線上,點選出現的齒輪圖示。 Screenshot 2025-03-12 at 4.06.52 PM.png

在「Edge Settings」中,將 Type 設為 Conditional,點選 Add Conditions。

設定方式如下:

Left Values 屬性設定為「String Array」,因為前一步「Intent Classifier AI Agent」會產出多種結果。 Screenshot 2025-03-12 at 4.17.40 PM.png

Left Values 下拉選單,選擇「Intent Classify AI Agent.outputs.action」
中間下拉選單,選擇「contains」
Right Value填寫:get_customer_info_api_tool Screenshot 2025-03-12 at 4.46.21 PM.png 說明:Right Value填寫的是在「Intent Classifier AI Agent」Local LLM Model分頁中,promptTemplate輸入的值。
因此其他條線的設定,Right Value依序是:read_inventory_status_db_tool、維修紀錄、doc_search

8️⃣ 加入 Aggregator 整合結果

當多個資料來源可能提供回應時,需使用 Aggregator 將輸出結果整合。

新增 Aggregator 元件並連接各資料來源。

在 Input 分頁中,點擊「ABC」後選擇各元件的 outputs.data 作為輸入來源。 Screenshot 2025-03-12 at 5.14.27 PM.png

Screenshot 2025-03-12 at 5.19.21 PM.png

9️⃣ 加入 KM AI Agent 處理最終回答

加入「KM AI Agent」元件,並將其連接 Aggregator。

在 Input 分頁設定:

question 選擇 User Input Text

context 選擇 Aggregator.outputs.source,代表回答問題的上下文以公司內部文件為脈絡 Screenshot 2025-03-12 at 5.23.07 PM.png

切換至「KM AI Agent」Local LLM Model分頁,在promptTemplate輸入「請以敘述方式不要列點。 」以調整輸出的敘述方式。 Screenshot 2025-03-12 at 5.28.36 PM.png

🔚 結束流程設定

將「KM AI Agent」連接至「End」節點。

點選「End」,在 Output 分頁中選擇輸出為 KM AI Agent.output.text

Screenshot 2025-03-12 at 5.31.36 PM.png


串接企業資料庫 AI Agent 使用測試:

在完成上述流程設計與模組串接後,可進行實際使用測試,以驗證 AI Agent 對於企業內部資料的查詢與回應能力是否準確、即時。測試將涵蓋不同類型的使用者問題,例如查詢特定客戶資訊、產品庫存狀態、歷史維修紀錄,或針對上傳文件進行內容分析。 Screenshot 2025-03-10 at 4.22.51 PM.png