AB
AiBoss站
教程

影刀AI Power

教程

用影刀AI Power 搭建带私有知识库的 AI 智能体并接入 RPA 流程

影刀AI Power 是影刀推出的一站式 AI 智能体搭建平台,无需写代码即可组合大模型、RAG 私有知识库与工作流工具。本文从账号登录、创建应用、配置模型与知识库,到调试发布、在影刀 RPA 客户端中调用,给出完整可复现的操作路径,并说明社区版与企业版的差异与常见注意事项。

影刀AI Power 是影刀推出的一站式 AI 智能体(Agent)搭建平台,目标是把大模型、检索增强生成(RAG)知识库、工作流与工具调用这些能力封装成可视化模块,让没有编程背景的人也能在较短时间内做出一个能回答业务问题、能执行任务的 AI 应用。它适合两类读者:一类是想把企业内部文档变成可问答助手的业务人员,另一类是已经在用影刀 RPA、希望给自动化流程加上判断与分析能力的实施人员。如果你只是想找一个通用聊天窗口,这个平台并不是为此设计的;它的价值在于「私有知识 + 可被流程调用」。站内工具条目可参考 影刀AI Power。

下面按「准备 → 创建 → 配置 → 调试 → 发布 → 集成」的顺序讲,每一步都说明在做什么、需要填什么、以及为什么这样填。文中涉及版本、配额、价格的部分只做定性说明,具体数字请以官网当前信息为准。

准备工作

账号与访问方式

使用影刀AI Power 需要一个影刀账号。平台通过浏览器访问,登录入口在影刀AI Power 的官方站点,用影刀账号完成登录即可,不需要单独注册另一套账号体系。素材中提到的支持平台包括 Web、Windows、Mac、Linux,也就是说日常搭建主要在浏览器里完成,而后续的流程集成会落到桌面客户端上。

需要提前想清楚的一件事是:你打算把这个智能体用在什么场景。平台本身不限制你建多少个应用,但每个应用的定位不同,配置方式差别很大。常见定位有四类:

  • 对外客服型:挂载产品手册、常见问题解答(FAQ),目标是准确回答客户咨询,答不上来时要能明确说不知道。
  • 对内知识型:挂载规章制度、IT 支持文档、销售策略,目标是让员工自助查询,减少重复问人。
  • 内容生成型:输入关键词或产品要点,输出社交媒体文案、广告语、产品描述、博客文章。
  • 流程决策型:被 RPA 机器人调用,对抓取到的数据做识别、判断、分类,再把结论交回流程。

定位决定了后面 Prompt 怎么写、知识库放什么、要不要配工作流。建议在动手前先用一句话写下「这个应用要替谁完成哪件事」。

素材准备

如果应用需要回答私有知识相关的问题,先把资料整理好。平台支持上传企业内部的文档、资料、数据来构建专属知识库。整理时注意三点:

  • 按主题分组:把产品手册、FAQ、制度文件分开,不要把所有东西塞进一个库,否则检索时容易互相干扰。
  • 去掉过期内容:知识库里留着旧版本文件,模型就可能引用旧答案,这比答不出来更麻烦。
  • 保留可读结构:标题、条款编号、问答对这类结构有助于检索命中,扫描件或纯图片内容不适合直接作为知识来源。

RPA 客户端(可选但常见)

如果最终目标是让机器人调用这个智能体,需要在本机安装影刀 RPA 客户端,并用同一个影刀账号登录。账号一致是后续能在客户端里看到并调用该应用的前提。只做网页端问答的话,这一步可以跳过。

操作步骤

第一步:登录并创建 AI 应用

用影刀账号登录平台后,在平台内点击创建新的 AI 应用。创建过程会引导你填写三样东西:

  • 应用名称:写清楚用途,例如「售后政策问答」「报销规则判定」。名称会出现在后续调用列表里,含糊的名字在集成阶段很难辨认。
  • 应用目标:一句话描述这个应用要解决什么问题,例如「根据售后政策文档回答退换货条件」。目标写得越具体,后面写指示时越不容易跑偏。
  • 指示(Prompt):告诉 AI 它扮演什么角色、需要完成什么任务。这是整个应用的行为基准。

写指示时,建议包含四块内容,缺一块就容易出现答非所问:

  1. 角色:例如「你是公司售后政策助手,只回答退换货相关问题」。
  2. 任务:例如「根据知识库内容回答用户问题,给出适用条款」。
  3. 约束:例如「知识库中没有依据时,明确说明未找到相关规定,不要自行推测」。
  4. 输出格式:例如「先给结论,再列依据条款,最后给一句操作建议」。

约束这一条尤其重要。RAG 类应用最常见的问题不是答不出,而是答得太自信。把「无依据时如何回应」写进指示,能显著降低错误答案被当成结论使用的概率。

第二步:选择大模型

平台聚合了多种主流大模型,用户可以根据任务需求和成本考量选择合适的一个作为应用的「大脑」。配置时通常需要决定两件事:

  • 用哪个模型:不同模型在长文本理解、指令遵循、生成速度上各有侧重。知识问答类任务更看重对检索片段的忠实引用,内容生成类任务更看重表达质量。
  • 是否多模型并用:平台支持选择一个或多个模型。多模型适合做对比或分工,例如一个负责理解问题、一个负责组织答案;但也会增加调试复杂度,建议先用单模型跑通再考虑拆分。

模型清单、可用范围与计费方式会随时间调整,具体以官网当前信息为准。调试阶段可以先用默认模型验证流程是否通顺,再针对效果做替换对比。

第三步:构建私有知识库(RAG)

知识库是这个平台区别于普通聊天工具的核心。做法是把企业内部文档、资料、数据上传到平台,构建专属知识库;应用回答问题时,会先检索这些私有知识,再基于检索结果组织答案,从而保证输出内容贴合企业实际情况。

配置知识库时按以下顺序操作:

  1. 在应用配置中找到知识库相关设置,新建一个知识库并命名,名称与资料主题对应。
  2. 上传整理好的文件。按主题分批上传,便于后续单独更新某一类资料。
  3. 把知识库关联到当前应用。一个应用可以关联知识库,让检索范围限定在业务相关资料内。
  4. 上传完成后,用几个你已知答案的问题试问,确认检索能命中正确文件。

如果试问时模型答得笼统或明显没用到资料,先检查资料本身是否可读、是否与问题措辞差距过大,再考虑调整指示中关于「优先依据知识库回答」的表述。知识库容量在不同版本下有差异,社区版在知识库容量上会有所限制,具体额度以官网当前信息为准。

第四步:配置工作流与工具调用

智能体不只是对话,还能执行任务。平台支持配置工作流,让 AI 调用外部 API、执行脚本,或与其他软件工具联动,完成数据查询、信息录入、流程审批等操作。这一步是可选 的,但也是把「问答助手」升级成「能办事的助手」的关键。

典型配置思路:

  • 明确触发条件:写清楚什么情况下调用工具,例如「当用户询问订单状态且提供了订单号时,调用查询接口」。
  • 定义输入输出:工具需要哪些参数、返回什么字段,都要在配置里说明,否则模型可能传错参数。
  • 处理失败情况:接口超时或返回空值时,应用应当如何回应,需要在指示里约定。

工作流配置得越复杂,调试成本越高。建议一次只加一个工具,验证通过后再叠加。

第五步:调试

搭建过程中可以通过调试窗口与应用实时对话测试,不断优化 Prompt 和知识库配置,直到表现满意再发布。调试阶段建议按下面的清单逐项验证,而不是随便聊两句就发布:

  • 正常问题:知识库里有明确答案的问题,检查是否引用正确条款。
  • 边界问题:知识库里没有答案的问题,检查是否按要求说明「未找到依据」而不是编造。
  • 措辞变体:同一个问题换几种问法,检查检索是否稳定命中。
  • 多轮追问:先问宽泛问题再追问细节,检查上下文是否连贯。
  • 工具路径:如果配了工作流,构造需要调用工具的场景,检查参数传递与返回处理。

每次调整指示或知识库后,把上面这组问题重跑一遍。只改一处、只测一处,才能判断是哪项改动带来了效果变化。

第六步:发布

调试满意后进行发布。发布后的 AI 应用可以通过多种方式使用,其中一种核心方式是在影刀 RPA 客户端中调用。发布前再确认两件事:应用名称是否足够清晰、指示中是否已经包含「无依据时如何回应」的约束。发布后再改配置,需要重新走一遍调试流程。

第七步:在影刀 RPA 中集成调用

集成方式是在影刀 RPA 客户端中使用相同的账号登录,然后通过「影刀AI Power 指令」直接调用已发布的应用,把它的 AI 能力嵌入自动化流程。整体结构是:RPA 负责取数、操作界面、录入系统,AI Power 负责理解与判断。

一个典型的流程分工如下:

  1. RPA 机器人从业务系统或文件夹中抓取待处理数据(例如票据图片、工单文本)。
  2. RPA 通过影刀AI Power 指令,把数据作为输入传给已发布的应用。
  3. 应用结合指示与知识库,输出识别结果或判断结论。
  4. RPA 读取返回结果,按结论执行后续的系统录入、流转或人工复核分支。

这种「RPA + AI」的组合适合规则明确但需要理解非结构化内容的环节。需要注意的是,AI 的输出应当被视为建议而非最终裁决,涉及金额、合规等敏感判断时,流程里应保留人工复核节点。

一个完整示例

下面以一个「报销规则判定助手」为例,把上面的步骤串起来。这个例子同时用到知识库与 RPA 调用,覆盖了平台的主要能力。

场景设定

财务报销流程中,RPA 负责抓取票据图片并识别出文字,但「这笔费用是否符合报销规定」需要人来判断。目标是把这一步交给 AI 应用,由它依据公司报销制度给出结论,RPA 再根据结论决定是自动录入还是转人工。

准备资料

  • 公司报销管理制度文档(含各类费用的限额、凭证要求、审批层级)。
  • 常见问题清单,例如「出差餐补是否含酒水」「电子发票能否重复报销」。
  • 一份判定输出格式约定,例如「结论:符合 / 不符合 / 需人工复核;依据:条款编号;说明:一句话」。

创建应用并写指示

新建应用,名称填「报销规则判定」,目标填「依据报销制度判断单笔费用是否可报销」。指示可以这样组织:

你是公司财务报销规则判定助手。

任务:根据用户提供的费用信息(费用类型、金额、日期、凭证类型、事由),
在知识库中检索对应的报销制度条款,判断该笔费用是否可以报销。

约束:
1. 只依据知识库中的制度条款作答,不得引用知识库以外的规定。
2. 若知识库中没有对应条款,结论输出「需人工复核」,并说明缺少哪类依据。
3. 金额接近限额、凭证类型不明确、事由描述模糊时,一律输出「需人工复核」。
4. 不做税务与法律层面的判断。

输出格式:
结论:符合 / 不符合 / 需人工复核
依据:条款编号或「无」
说明:不超过两句话

这段指示的关键在第 2、3 条:把「不确定」显式定义成一个合法输出,模型才不会硬给结论。

配置模型与知识库

先选一个默认模型跑通流程。然后新建知识库「财务报销制度」,上传制度文档与常见问题清单,并关联到当前应用。上传后立刻用三个已知答案的问题验证检索:

  • 「出差住宿费上限是多少?」——应命中限额条款。
  • 「电子发票可以重复报销吗?」——应命中凭证要求条款。
  • 「团建聚餐费用怎么报?」——若制度中未涉及,应输出「需人工复核」。

调试与修正

在调试窗口逐条测试。常见需要修正的情况有两类:一是模型把限额条款和审批层级条款混在一起引用,这时在指示中补一句「依据只引用与费用类型直接对应的条款」;二是模型对模糊事由直接给出「符合」,这时强化第 3 条约束,把「事由描述模糊」的具体表现列出来,例如「仅写『办公用品』未写品名与数量」。

发布并在 RPA 中调用

调试通过后发布。在影刀 RPA 客户端用同一账号登录,在流程中加入「影刀AI Power 指令」,选择「报销规则判定」应用,把 RPA 识别出的费用信息作为输入传入,再把返回的结论字段接到后续分支:

  • 结论为「符合」→ 自动录入报销单。
  • 结论为「不符合」→ 生成退回说明,通知提交人。
  • 结论为「需人工复核」→ 转人工队列,并把「说明」字段一并带上,减少复核人的判断成本。

上线前建议先用一批历史单据做回归测试,统计三类结论的分布是否合理。如果「需人工复核」占比过高,说明知识库覆盖不足或指示过于保守;如果「符合」占比异常高,则要检查约束是否被模型忽略。

注意事项

版本与配额

平台提供两种主要版本计划。社区版面向个人开发者、学习者、公益组织等非商业用途用户,免费使用,但在功能、调用次数或知识库容量上有所限制;企业版面向企业、团队或组织,适用于任何规模的商业应用场景,提供更全面的功能、更高的性能、更强的技术支持和安全保障,需要联系影刀官方销售团队咨询并获取报价。具体限制额度、功能差异与报价请以官网当前信息为准,不要按本文推断数字。

知识库的边界

RAG 的效果上限由资料质量决定。资料缺失、过期、结构混乱时,模型要么答不出,要么引用错误内容。知识库需要有人负责维护,制度更新后同步替换文件,而不是建好就不再管。

不要省略「不确定」出口

无论是客服问答还是流程判定,指示里都应当明确「无依据时怎么回答」。缺少这一条时,模型倾向于给出看似合理的答案,而这类答案在业务场景中风险最高。

账号一致性

在 RPA 客户端中调用已发布应用,前提是客户端与平台使用同一个影刀账号登录。换账号或多人共用设备时,容易出现「看不到应用」的情况,先检查登录状态再排查其他原因。

调试成本随配置增长

每增加一个模型、一个工具、一个知识库,需要验证的组合都会增加。建议按「单模型 + 单知识库 → 加工具 → 加多模型」的顺序逐步扩展,每一步都保留一组固定的回归问题。

敏感判断保留人工环节

涉及金额审批、合规认定、对外承诺等场景时,AI 输出应作为辅助意见,流程中保留人工复核节点。平台提供的是判断能力,不替代责任归属。