用智谱清流搭建知识库问答智能体

智谱清流是智谱推出的 AI Agent 开发平台，核心思路是把大模型能力、知识库检索和外部工具调用拆成一个个节点，在画布上拖拽连线组成工作流，从而搭出能自动完成任务的智能体，而不必从零写代码。它适合三类人：想把企业内部文档变成问答助手的运营或行政人员、需要快速验证客服自动化流程的产品与业务人员、以及希望用可视化方式先跑通原型再决定是否投入研发的开发者。底层调用的是智谱自研的 GLM 系列大模型，模型部署与调用细节由平台承担，使用者主要精力放在流程编排与提示词上。如果你还想对照站内其他同类工具的做法，可以先看智谱清流这一条目，再回到本文按步骤操作。

需要先明确一点：智谱清流解决的是「把已有能力串起来」的问题，而不是训练模型。它的价值在于让知识库检索、条件判断、接口调用这些环节以可视化方式组合，并且能一键发布成 API 或网页链接供外部系统调用。下面按准备工作、操作步骤、完整示例、注意事项的顺序展开。

准备工作

动手之前，先把下面几件事确认清楚，可以省掉后面大量返工。

账号：在智谱清流官网用手机号或邮箱注册并登录。中国大陆的网络环境可直接访问，不需要额外的网络工具。
素材文档：准备一份要喂给知识库的文件。平台支持 PDF、Word、Excel 和纯文本格式。建议先用一份结构清晰、篇幅适中的文档试水，比如产品手册、常见问题汇总或内部制度文件，不要一上来就传几十份混杂文档，否则检索效果不好定位问题。
明确目标问题：想清楚这个智能体要回答哪一类问题。问题边界越窄，提示词和检索参数越好调。比如「回答产品功能与使用方法相关的问题」就比「回答公司所有问题」可操作得多。
对计费方式有预期：平台采用免费加付费的模式，免费版提供基础额度，超出后按用量计费，计费项通常涉及大模型调用的 token 消耗、知识库存储空间以及 API 请求次数。具体额度、单价与免费版范围以官网当前公示的信息为准，本文不给出具体数字。若计划用于生产环境，先估算调用量再决定是否升级。

操作步骤

第一步：进入控制台并创建智能体

登录后进入控制台，找到「创建智能体」入口。平台会提供若干预置模板，例如客服助手、文档问答等。新手建议从模板起步，因为模板已经把输入节点、知识库节点、大模型节点和输出节点连好了，你只需要替换内容和参数，能更快看到效果。选择模板后会进入可视化编辑界面。

第二步：认识画布与组件面板

编辑界面左侧是组件面板，常见节点包括：

大模型节点：调用 GLM 模型完成理解、生成、推理等任务，是流程里负责「说话」的环节。
知识库节点：从已上传并完成切分、向量化的知识库中检索相关片段。
代码节点：在流程中插入自定义处理逻辑。
API 节点：调用外部接口，把第三方系统的数据接进流程。
输入 / 输出节点：分别负责接收用户问题与返回最终结果。

画布上通过拖拽放置节点，用连线定义数据流向。一个典型的问答型智能体链路是：输入节点接收用户问题 → 知识库节点检索相关片段 → 大模型节点结合检索结果生成回答 → 输出节点返回。连线方向决定了哪个节点的输出会作为下一个节点的输入，改流程本质上就是改这条链路。

第三步：上传并配置知识库

在知识库管理后台上传准备好的 PDF、Word、Excel 或纯文本文件。系统会自动完成切分与向量化，形成可检索的知识库。上传完成后，进入知识库设置，重点调整两个参数：

相似度阈值：决定检索结果要达到多高的相关度才会被采用。阈值偏低会带进无关内容，偏高可能一条都召不回。
返回条数：决定每次检索取回多少个片段交给大模型。条数多，上下文更全但消耗的 token 更多；条数少，成本低但可能漏掉关键信息。

这两个参数直接影响回答质量，也是后续调试时最常回头修改的地方。建议先用默认值跑一轮，观察回答是否引用了正确内容，再针对性地调。

第四步：修改大模型节点的提示词

点开大模型节点即可编辑提示词。模板里通常写的是通用角色设定，例如「你是一个客服」，可以按实际场景改成更具体的角色，比如「你是一个技术顾问，只依据检索到的资料回答，资料中没有的内容要明确说明无法回答」。把「只依据资料回答」这类约束写进提示词，能显著减少模型自由发挥的情况。

节点上还可以设置模型参数，例如温度值。温度低，输出更稳定、更贴近资料；温度高，表达更灵活但偏离风险也更大。面向知识问答场景，一般倾向更稳定的输出。

第五步：测试

点击界面右上角的「测试」按钮，在对话框里输入真实用户可能问的问题，观察回答是否基于你上传的知识库内容。测试时建议覆盖三类问题：文档里明确写了的、文档里只沾一点边的、文档里完全没有的。第三类最能检验提示词约束是否生效——理想情况下智能体应当承认资料中没有相关信息，而不是编造答案。

如果结果不理想，按以下顺序排查：先看检索环节是否召回了正确片段，再调相似度阈值与返回条数，最后才改提示词。顺序反了容易在提示词上反复折腾却解决不了检索本身的问题。

第六步：发布

效果满意后点击「发布」，系统会生成 API 接口或网页链接。API 适合嵌入自有应用，由后端调用；网页链接适合直接分享给使用者，无需开发介入。发布前再确认一遍知识库内容是否已是最新版本，因为发布后的智能体会持续按当前配置对外提供服务。

一个完整示例

下面以「产品手册问答助手」为例，走一遍从零到可用的最小流程。

准备文档：整理一份产品手册，包含功能说明、使用步骤、常见故障处理三部分，保存为 PDF 或 Word。
创建智能体：在控制台选择「文档问答」类模板，进入画布。此时画布上已有输入节点、知识库节点、大模型节点和输出节点，且连线完整。
上传知识库：在知识库后台上传产品手册，等待系统完成切分与向量化。随后在知识库设置中确认相似度阈值与返回条数，先用默认值。
绑定节点：确认画布上的知识库节点引用的是刚上传的这个知识库，而不是模板自带的示例库。这一步容易漏，漏了就会出现「明明传了文档却答不上来」的情况。
写提示词：把大模型节点的提示词改为类似下面的内容：

你是一名产品技术支持顾问。
请只依据检索到的产品手册内容回答用户问题。
如果检索内容中没有相关信息，请直接说明「手册中未找到相关内容」，不要自行推测。
回答尽量分点，步骤类问题按操作顺序列出。

测试：分别提问「如何完成首次配置」「设备指示灯闪烁红灯怎么办」「你们支持哪些付款方式」。前两个应能基于手册作答，第三个若手册未涉及，应明确表示无法回答。
调参：若第一个问题回答不完整，先检查检索返回条数是否过少，适当增加；若回答里混入了不相关章节，适当提高相似度阈值。
发布：确认效果后点击发布，拿到 API 接口或网页链接，接入内部系统或直接分享给同事使用。

这个示例的链路只有四个节点，但已经覆盖了知识库问答的核心环节。后续要扩展时，可以在链路中插入 API 节点查询订单状态，或用代码节点对用户输入做预处理，再交给知识库检索。

常见应用场景

理解平台能力边界之后，可以按场景选择不同的编排方式。

企业内部知识问答：把公司制度、产品文档、流程规范上传到知识库，搭一个员工助手，减少重复性答疑。这类场景对准确性要求高，提示词里应强调「仅依据资料回答」。
客服自动化：用可视化工作流串联常见问题解答、订单查询、问题升级等逻辑。订单查询这类需要实时数据的环节，通过 API 节点接入业务系统，而不是塞进知识库。
内容生成辅助：结合大模型的生成能力与知识库的约束，自动撰写产品介绍、报告摘要等。知识库在这里的作用是提供事实依据，避免生成内容与产品实际情况不符。
教育与培训：上传教材或培训材料，搭建能回答学员问题的助教。可以按章节拆分知识库，配合不同提示词做成多个智能体。

注意事项

检索参数比提示词更关键：回答不准时，先怀疑检索。相似度阈值和返回条数是影响效果最直接的两个开关，提示词只能约束表达方式，无法弥补召不回正确内容的问题。
知识库节点要确认绑定对象：从模板创建时，节点默认引用的可能是示例知识库，必须手动切换到自己的库，否则测试结果会让人误以为上传失败。
文档质量决定切分质量：系统自动切分与向量化，但源文件如果排版混乱、表格错位、扫描件无文字层，切出来的片段质量就会下降。上传前尽量保证文档结构清晰。
计费按用量累积：大模型调用按 token 计费，知识库存储按文件大小与时间计费，API 请求按次数计费。免费额度适合个人试用与小规模验证，生产环境务必先估算消耗量。具体价格、免费额度范围与计费细则以官网当前信息为准。
发布后持续生效：发布生成的 API 或网页链接会按当前配置对外服务，修改知识库或流程后需要重新确认发布状态，避免线上仍跑着旧版本。
不要用智能体替代需要实时性的判断：知识库检索基于已上传的静态内容，库存、价格、订单状态这类随时变化的数据应通过 API 节点获取，不要写进知识库。

把上面这套流程跑通之后，再考虑增加节点、拆分多个智能体或接入外部系统。先让一个窄场景稳定可用，比一开始就搭大而全的流程更容易看到问题出在哪一环。