GPTBots.ai是一款企业级AI Agent无代码构建平台，提供Agent、FlowAgent和MultiAgent三种智能体类型，解决LLM幻觉、垂直知识缺乏等痛点。平台支持RAG系统、工作流编排、工具集成，可快速构建企业级AI应用，无需代码经验即可上手，适合AI人才不足但希望应用AI技术的企业。
背景
最近有人给我推荐了一个产品GPTBots.ai，我就研究了下。
GPTBots.ai 是个啥？它是极光开发的一个企业级的 AI Agent 无代码构建平台。我们了解一个平台的前提是要知道他们有什么功能。
概述
了解一个产品，最直观的就是产品相关的文档了。
在概述里看了下提炼了下
- • 企业级 AI Agent 无代码构建平台
- • 零代码
- • 快速创建
- • 企业级安全
看看GPTBots.ai 解决了哪些痛点问题。
| 痛点 | 解决方案 |
|---|---|
| LLM 幻觉 | 知识库增强 + 引用溯源 + 内容审核 |
| 缺乏垂直知识 | RAG 系统 + 多格式知识库 + 持续训练 |
| 无法处理复杂任务 | FlowAgent 工作流 + 工具集成 + 多 LLM 协同 |
| 落地难 | 无代码构建 + 端到端交付 + 快速上线 |
| AI 人才不足 | 可视化操作 + 专业支持 + 分钟级上手 |
| 是不是吹牛，一会实战看下。 |
开发空间
作为开发用的最多的是开发空间，我们看下
我们从下往上了解下
模型
从开发空间里的模型可以看到，支持主流的模型厂商，刚开始我还以为不支持多模态和自定义部署的模型的。点击通义进去，
可以看到是有 vl 模型的选择的。
从界面上看是可以使用开放部署的（可能我没有相关的权限）
在 openai 里可以通过 open Router对接私有模型。这就有了灵活性，不过藏的有点深。
工具
在开发空间里并没有看到数据库和知识库，所以先不讲，直接介绍下工具，工具有两种形态。我们先介绍第一种形态的工具
这类其实就是一个 api 接口的配置，有不同的鉴权方式。这样就有一个好处，只要业务系统有 api，我们都可以通过工具和业务系统打通，完成企业级应用的对接。
我们接着看第二类工具，MCP
目前市面上主流的服务都有 mcp 服务了，所以可以通过 mcp 服务和外部对接，通过简单的配置，就可以对接各种各样的服务，也就省掉了开发的时间。我们通过工具快速打通企业内外的系统交互。
工作流
工作流
工作流的创建，可以控制是否展示调用过程，这个比较好，想给别人展示就展示，不想展示就屏蔽了。
知识库
在工作流里发现了，文档里说的知识库和数据库。从这个层级结构上来说知识库和数据库属于工作流
点击添加知识，可以看到支持的格式，上面列的比较少，文档说明中，主流的格式都支持。
从实操来说，等可以忽略。语言的艺术。
点击添加文本格式，可以看到
知识的来源可以是本地文档、url、google drive,在线文本。建议厂家添加上 nas等国内企业常用的存储方式。
我选了一个发票和以前写的报告，点击下一步。
可以看到支持的向量模型，我没看到自定义添加的向量和重排模型，猜测是他们内部通过测试发现这些效果比较好吧，或者整体结合起来这些比较好，期待支持更多的向量模型和重排模型。
可以自定义分割符，可以通过高级识别中的视觉识别来增强识别能力。操作起来确实简单，不需要思考怎么调配，只需要跟着往下走即可。不太需要过多的技术能力。
从发票识别的效果来说，该识别的都识别出来了，预览的时候还看到了二维码，切片以后没看到了。
从 pdf 上来看，图标都识别出来了。图片的描述没有，这个后续需要增强下。文档不大整体就没有做分段，一个整体。
从检索来说，应该做了查询改写，相关性能达到 0.91。
数据库
和 coze 的数据库差不多，我们可以通过 ai 对话添加表结构，提升了易用性，降低了人的使用成本。
输入问题描述
将 ai 生成的字段，添加到列表中。
配置
所有的佐料都有了，我们可以通过配置，配置我们想要的工作流。工作流是无限可能的基础
从添加节点上来看。3 个模型节点，LLM、音频 LLM、意图识别 能满足企业 99% 的业务场景了。接下来我把几个核心的节点做个简单的说明
LLM
从 LLM 节点来看，简化了好多的操作，模型参数每个模型都有相应的配置，应该都是内部做了测验。工具的绑定是为了 agent 调用工作流时使用，数据表有点鸡肋，只是自己建的。
模型参数是可配置的，点击对应的区域即可，这个得稍微注意下，一不注意就忽视了。
文件解析
文件解析可以把流程中上传的文档都解析为文本，可以开启增强识别。估计底层使用了视觉模型。知识文档解析那来看，效果还是 ok 的。
知识检索
知识检索的配置很干净，检索的范围，只能是当前工作流创建的知识库。检索范围显示的数值都是选中以后的一些数据
只能选择流程内的知识库。
通过召回机制，我们可以自己配置，需要注意的是，你得点击一下才会弹框，或者鼠标放上去才知道可以点击。
查询内容自动将变量进行了归类，哪些是局部，哪些是全局。
比如全局变量有一些系统内置的变量。
条件语句
从条件节点来看，只支持一层条件判断，不支持多层逻辑。已经能满足 99% 的需求，太复杂的建议直接用代码节点处理。
http请求
http节点，让工作流和外部交有了桥梁，虽然可以直接配置，但是还是建议把相关的接口封装成工具，这样可以一次配置多次使用，要不然每次使用都需要配置一遍。
环境变量
- • 工作流右上角添加环境变量，来屏蔽比较敏感的 token 或者密钥的，确保敏感信息的安全性。
应用
我们通过准备的物料，搭建一个简单的工作流，比如模拟一下在线客服的流程。
最简单的在线客服，用户提问-> 客服根据语料组织语言回答。
转换成工作流
再复杂一些，客服问题分类，有的有售前、售后的区分,
通过不同的意图查找不同的知识库，然后根据相应的规范回答用户。
知识检索设置很简单，把用户的问题进行引用输入即可。
在 LLM 节点我们设置客服的角色
• 1，简单描述下
• 2，用 ai 生成相应的身份提示
生成的身份和技能你可以根据需求调整。从细化的逻辑上来说是需要分支的。比如：
• 商品咨询，调用接口获取对应的商品信息，如果不满足用户需求，能推荐满足用户需求的商品（特别是大促的时候，客服经常半天才回复）
• 订单与物流查询，需要通过接口调用该用户的订单详情，需要通过 http 或者工具调用
• 售后，得了解详细的售后政策，也就是一个语料库和流程
生成的提示词如下：
## Role 你是一名专业的电商在线客服 ## Goals - 你能够快速、礼貌地解答用户关于商品、订单、物流、售后等方面的问题。 - 你致力于提升用户购物体验，耐心解决用户疑问，积极协助处理投诉或特殊请求。 ## Skills ### 技能1：商品咨询 - 熟悉平台所有商品信息，包括价格、库存、规格、促销活动等。 - 能根据用户需求推荐合适的商品，并提供详细介绍。 ### 技能2：订单与物流查询 - 能快速查询并反馈用户的订单状态、物流进度及预计送达时间。 - 协助用户修改订单信息（如收货地址、联系方式等）。 ### 技能3：售后服务 - 指导用户办理退换货、退款等售后流程。 - 处理用户投诉，安抚情绪，积极协调解决问题。 ### 技能4：高效沟通 - 保持礼貌、耐心、专业的沟通态度。 - 遇到无法解决的问题，及时升级至人工客服或相关部门。 ## Constraints - 仅限于电商平台相关问题的咨询与服务。 - 不涉及非电商领域的问题。 - 回答应简明扼要，避免冗长。 - 严格遵守平台政策与用户隐私保护规范。 ```可以看到，当你指定场景的时候，已经通过提示词把能力和限制都加上了，可以减少很多不必要的麻烦。  然后在丰富下用户提示词。  * • 点击试 运行 * • 输入问题 * • 点击运行  可以看到是以一个客服的口吻回答相关的问题。  点击右上角的发布，自动生成了版本号，默认发布到分享和工作空间里。我以为发布以后直接到工作空间里的，不是的。 * • 我们点击集成，可以开启 api  在分享里，我们可以创建分享链接  * • 点击发布至工作空间 * • 选择分类 * • 填写发布说明 * • 上架 我以为上架以后直接就可以用了，  看到警示图标，点击一看，果然很企业，所有的内容都需要审批。  * • `1`在工作空间里，点击左下角的图标 * • `2`点击审核发布 * • `3`点击对应的工作流 * • `4`+`5`点击审核  审核通过以后在工作空间里就可以看到了，点击工作流  工作流的使用的时候，输出不做任何修饰， json+markdown agent模式 ------- 在 GPTBots 平台中，\*\*智能体（Agent）\*\*是面向人类用户的原生 AI 应用，具备以下核心能力： * • **自然语言理解**：理解用户的自然语言问题 * • **多轮交互**：支持上下文记忆，进行多轮对话 * • **长短记忆**：保持会话上下文，理解对话历史 * • **工具调用**：调用外部工具和 API，扩展功能边界 * • **任务规划**：自主规划任务执行步骤 * • **质检反思**：对回答进行质量检查和反思 开发者可以快速构建高效、智能的企业业务 AI 应用，极大提升企业工作效率与智能化水平。 ### 三种智能体类型 GPTBots.ai 提供了 **3 种类型的智能体**，满足企业在不同复杂度业务场景下的 AI 应用需求： 接下来详细的了解下 ### Agent（简单场景智能体） Agent 是 GPTBots.ai 平台中最基础的智能体类型，通过**单个 LLM 驱动业务流程**，支持自然语言输入、多轮对话、上下文记忆和工具调用等功能。 **一句话理解**：Agent 就像一位专业的业务助手，能够理解你的问题，调用知识库和工具，给出专业回答。 #### 运行机制：单一 LLM 响应流程  其核心就是 * • 理解用户意图 * • 上下文记忆 * • 知识检索（可选） * • 工具调用（可选） * • 生成回答  在创建 agent 的时候有个通用，我以为创建的是通用 agent，点开以后，发现是一堆示例，点了下，发现除了客户服务，其他都是一个集合。我从企业搜索里找回一个  每个示例都会有对应的 agent 类型。 * • 模型参数配置就不过多少了，你想要真实，温度就降低，你想要创意和自由度就提高 * • 身份提示 + • 给这个 agent 固定了角色、技能、工作流程（如何工作）  在 agent 中知识库、数据库、工作流、工具都是作为具体的资源供 LLM 调度。  可以开启长期记忆，也可以配置人工服务。  我点击添加一个智谱联网搜索的 mcp 工具。  在我没添加知识用 google 是没有搜索到。添加以后  可以看到智谱搜索相对来说还是靠谱的。 ### flowAgent FlowAgent 是 GPTBots.ai 平台专为**复杂对话流程和多轮交互场景**设计的智能体类型。它结合了对话式 AI 的上下文理解能力和可视化流程编排能力，适用于需要复杂业务逻辑处理、多步骤任务执行的智能应用。 **一句话理解**：FlowAgent 就像一位经验丰富的业务专家，能够按照预设的流程步骤，有条不紊地处理复杂业务。 #### 运行机制：多组件流程编排 FlowAgent 通过可视化流程编排，串联或并联多个专职专用 LLM，实现可控和高效的 AI 响应： ```plaintext 流程分支C：复杂业务 流程分支B：表单收集 流程分支A：知识问答 否 是 场景A 场景B 场景C 用户输入 意图识别节点识别用户意图 条件判断根据意图分支 知识检索节点 LLM节点生成回答 输出节点 LLM节点询问信息 变量存储节点 信息是否完整? HTTP请求节点提交表单 输出节点 知识检索节点 数据表查询节点 LLM节点分析数据 工具调用节点 LLM节点生成结果 输出节点 返回结果我们先用官方的客户服务模板创建一个flowAgent
左侧菜单和工作流的差不多。官方的客户服务还是比较复杂的，基础信息是一个工作流，点开看下。
是一个 flow，但不是独立的工作流。节点也不多，逻辑和工作流程里的示例描述差不多，不过加入了卡片消息和人工服务。
一天没用就更新出 bug 了，虽然能看到知识库、记忆这些，但是点不了，不影响整体使用，看官方什么时候修复吧。官方的第一个节点是个分类器。
当用户过来询问的时候，根据用户的意图分为了 4 类。
- • 询问产品价格相关的
- • 询问产品指南相关的
- • 询问 api 相关的
- • 人工服务
打开产品价格相关的知识库，可以看到好用的是 default，另外还有两个是 api 和用户 qa 知识库。
接下来我们看下特殊的卡片消息与人工服务节点。
卡片消息
从图上来看，卡片消息支持、文本、卡片、表单和 json，我们看下表单的配置
在表单的最后，添加了提交按钮和提交地址，留下了用户信息，解决不了用户的问题，就采集用户的信息，没解决就登记下，让用户不至于懵逼
也可以在卡片消息里配置跳转到一些群，或者 qq 客服这种，或者配置一个在线客服的跳转，整个和客服体系就打通了。
人工服务
卡片只是单纯的跳转，并不会携带用户历史的信息，用于采集信息以及预留钩子是够的，在企业服务里，总不能跳转以后让人再重新发一遍吧，你不烦人家也烦了。
我先看下这个节点的详情
- • 人工服务可以设置接收平台
- • 服务时间，这个为服务企业也考虑到了
- • 用户接入的等待时间，一般企业服务 b2b 设置的等待时间不会太长
- • 同时将对话的数据同步到过来
看下官方的文档。
目前已经支持了Intercom、WebHook方式的人工服务。官方也有对应的文档说明，👍
这样一来通过agent 过滤了大部分的用户，真正需要人工服务的，直接转给了在线客服，在线客户也能看到用户历史会话。
建议在给Intercom的时候，由大模型，将用户的意图进行提取，列出用户问了哪些问题，怎么解决的，为啥用户还要找人工，直接客服收到以后就能快速的回复相应的话术。
MultiAgent（多智能体协作）
MultiAgent 是 GPTBots.ai 平台推出的企业级多角色 AI 智能体系统，通过模拟"AI 团队"的方式，让多个 Agent 像真实团队一样协同工作，完成深度研究和复杂分析任务。
一句话理解：如果说 Agent 是"单兵作战"，FlowAgent 是"流程化作业"，那么 MultiAgent 就是"团队协作"。
工作方式：多角色 Agent 团队协作
核心能力：
- • 团队协作：组建企业多角色 AI 团队
- • 自主感知：自主感知任务需求
- • 任务分解：自动分解复杂任务
- • 协作执行：多 Agent 协作完成复杂任务
新建一个空白的 multi Agent
通过添加节点，我么可以看到好多的 不少的节点，大致分为三类
- • Planner（规划者）
- •任务澄清：识别用户意图，澄清需求
- •任务分解：将大任务拆解为可执行的小任务（分发）
- •生成计划：为每个任务生成执行步骤
- • Executor（执行者）
- •并行执行：多个 Agent 同时处理不同任务，提升效率
- •串行执行：按顺序执行有依赖关系的任务
- •灵活协作：根据任务特点选择执行模式
- • Reviewer（审核者）
- •质量审核：评估任务完成质量
- •流程控制：决定是否需要调整、重执行或人工接管
- •自定义标准：企业可设置审核标准
简单来说就是任务拆解，然后根据不同的需要需要不同的 agent 执行，最后再审核一遍。
运行机制：Planner-Executor-Reviewer
MultiAgent 采用三段式框架，实现从规划到执行再到审核的全流程自动化：
Reviewer 审核者 Executor 执行者 Planner 规划者 并行执行 是 否 否 否 否 是 是 是 用户发出任务指令 任务澄清识别用户意图并澄清 生成任务清单Task Todo List 生成行动列表为每个Task生成Action List Task-1 Action1 Task-2 Action2 Task-3 Action3 Action4 Action5 Action6 质量审核企业自定义审核标准 是否需要人类接管? 人类用户接管 Task是否全量更新? 未执行的Task是否需要更新? 当前完成的Task是否需要复执行? 继续执行下一个Task三种智能体对比
| 维度 | Agent | FlowAgent | MultiAgent |
|---|---|---|---|
| 工作方式 | 单一 LLM 响应 | 多 LLM 工作流 | 多角色 Agent 团队 |
| 核心能力 | 多轮对话、记忆能力 | 组件化、流程编排 | 团队协作、自主规划 |
| 适用任务复杂度 | ★☆☆ 简单任务 | ★★☆ 中等复杂流程 | ★★★ 深度协作/研究任务 |
| 业务容错率 | 低 | 低 | 高 |
| Tokens 消耗 | 低 | 中 | 高 |
| 典型应用场景 | 知识问答、知识检索 | 可调用业务系统的客服、企业 SOP 工作 AI 化 | 行业分析报告、数据洞察研究 |
如何选择智能体类型？
选择 Agent，如果：
- • 业务场景简单，主要是问答和检索
- • 需要快速上线，分钟级创建
- • 希望降低 Token 消耗和成本
- • 典型场景：智能客服、FAQ 问答、知识检索
选择 FlowAgent，如果：
- • 需要复杂的业务流程编排
- • 需要多步骤任务执行和决策
- • 需要条件分支和逻辑判断
- • 典型场景：复杂客服、表单机器人、企业助手
选择 MultiAgent，如果：
- • 需要深度研究和分析
- • 需要多角色协作完成复杂任务
- • 需要高容错率和高质量输出
- • 典型场景：行业分析、数据洞察、研究报告
智能体发布
智能体的发布和工作流的发布差不多。都是点击右上角的发布按钮，然后跟着引导走
不同的是智能体能发布到不同的平台。
在集成里，
- • 可以开启api
- • 可以发布到工作空间
- • 可以集成到钉钉机器人里
- • 还可以集成到微信号
集成钉钉机器人
开启以后点击进来以后需要配置 appKey 和 AppSecret，看下官方的配置教程。
果然很企业，在企业里创建一个钉钉应用，然后获取凭证，好吧，个人想测试还得创建一个组织。
创建一个组织。
在钉钉开发者后端创建应用并获取appKey和密钥
将获取到的appKey和密钥 填写到gptbost里，注意左下角的提交按钮得点下。
在钉钉里创建的应用里配置机器人的消息接收地址。配置图标以后，点击发布机器人。
最后在需要将应用发布出来。
调试
点击机器人里的点击调试，入群即可。
报这个错是因为我配置完了以后，没有点击保存，点击保存以后就可以了。
o了，调试成功了。
后记
整体来说吹的牛逼都差不多实现了，就是综合很多主流产品后，很产品化的一个产品，比较适合没啥技术人员，又想玩ai的企业。如果对saas服务没有安全感，GPTBots.ai还支持私有化部署，提供企业级数据控制与安全保障，适用于对数据合规性要求高的企业。
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
为什么说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**
