嘿，大家好！咱就是说Zui近聊到低代码平台上的Agent开发，特别是在Zuo文档助手这块儿，感觉挺有意思的。说实话，一开始也觉得有点复杂，但上手之后呢，就觉得还真不那么可怕了。今天就跟大家唠唠嗑，分享一下咱的一些实践经验。

为什么要Zuo文档助手Agent？

这问起来可Neng有点显浅，但你懂的，企业里堆积的文档啊，那可真是浩如烟海。想找个东西、理解个意思，得翻半天。效率太低了！所以咱们就想了个办法——用AI来帮人找文档、理解文档。一个智Neng的文档助手Agent，是不是hen棒？

选择低代码平台的原因

咱团队一开始也考虑过自己写代码来实现这个功Neng。但是呢… 那个那个… 你懂的嘛！开发成本高、时间长、维护起来也麻烦。所以我们就选择了低代码平台。它Neng快速搭建出一个初步的功Neng原型，而且后续的迭代也比较方便。这就像搭积木一样，拼起来hen快。

选择哪个平台比较好？

这个问题嘛… 哎呀，每个平台dou有自己的特点和优势。比如Coze平台可视化操作hen方便；微软Reactor开源的 Agent Framework也hen强大；还有其他的各种各样的… 要不这样吧，大家Ke以根据自己的实际需求和团队的技术栈来选择合适的平台。

咱们的实践方案：Rag流程

咱们Zuo的这个文档助手Agent啊，核心流程还是标准的Rag流程：载入文档 → 分词 → 嵌入 → 向量存储 → 检索 。这步步dou得仔细琢磨。

载入文档

呢，得把那些文档给加载进来。咱们用的方法是读取文件内容。当然啦，Ru果遇到PDF、Word这些格式的文档啊，得先转换成纯文本才Neng处理。转换的时候呀，也要注意处理一些特殊字符和格式问题。

import { RecursiveCharacterTextSplitter } from '@langchain/textsplitters';import type { Document } from '@langchain/core/documents';const CHUNK_SIZE = ;const CHUNK_OVERLAP = ;export function createSplitter: RecursiveCharacterTextSplitter {  return new RecursiveCharacterTextSplitter;}export async function splitDocuments: Promise<Document> {  const splitter = createSplitter;  return splitter.splitDocuments;}

咱这边主要用的是纯文本格式的文档。

分词

分词这一步hen重要！直接影响到后续的embedding效果。咱们用的RecursiveCharacterTextSplitter这个工具挺不错的。

function loadDocuments: Promise<Document> {  const files = await getFiles;  const documents: Document = ;  for  {    const rawContent = await readFile;    //Ru果不是纯文本，比如excel/html,需要将其转为纯文本    const text = convert;    documents.push    );  }  return documents;}

嵌入

这一步就是把文本转换成向量了。咱们用的OpenAIEmbeddings这个模型。。

import { OpenAIEmbeddings } from "@langchain/openai";import { config } from "../config/index.js";export const embeddings = new OpenAIEmbeddings;

import { Chroma } from "@langchain/community/vectorstores/chroma";function getVectorStore: Promise<Chroma> { if { return vectorStore; } vectorStore = new Chroma; return vectorStore;}

\h2强优化：中文标点符号的处理与向量存储优化

中文标点符号

为了提高检索准确率 ，在分词后额外添加中文标点符号是个不错的选择 。

\h2

向量存储

把生成的向量存到哪里呢？咱们选择了ChromaDB这个向量数据库。它上手简单、性Neng也不错。

{#为什么百度不收录} {／为什么百度不收录}

Embedding耗时

检索

与经验分享

数据质量hen重要 ：垃圾进垃圾出嘛！确保你的文档是干净、准确、有价值的

选择合适的模型 ：不同的任务适合不同的模型哦

持续优化 ：Agent开发是一个不断迭代的过程 ，要根据实际效果不断调整和优化

{#低代码 Agent时代的自动驾驶}

未来展望

---