靈境矩陣是百度推出的基於文心大模型的智慧體（Agent）平臺，支援廣大開發者根據自身行業領域、應用場景，選取不同型別的開發方式，打造大模型時代的產品能力。開發者可以透過 prompt 編排的方式低成本開發智慧體（Agent），可參見影片《靈境矩陣平臺介紹》、《大模型發展趨勢與開發正規化》。
在靈境矩陣平臺上，即使是毫無程式設計經驗的小白也能輕鬆建立屬於自己的AI智慧體，需要的只是創意。
本文介紹了零程式碼、低程式碼兩種建立智慧體的方法，操作非常簡單。
首先登入智慧體建立開發地址：https://agents.baidu.com/center（使用百度賬號，如未註冊過可以用手機號驗證碼方式登入，即可同步註冊）。
2、在“建立”頁面，直接以文字描述的方式輸入你對這個智慧體的角色要求，可儘量描述清晰、具體一些。
比如可以包括：你需要智慧體能夠做什麼，不要做什麼，你希望他的回覆是什麼格式的，或語氣是什麼風格的。
3、當建立完成後，平臺會詢問你希望使用什麼樣的頭像，並根據你的描述幫你AI生成頭像。
你可以對頭像進行修改，也可以在“配置”頁面上傳自己選擇的圖片作為這個智慧體的頭像。
4、你可以持續對這個智慧體提出更細節的要求，平臺會立即對智慧體進行最佳化。
於此同時，你可以在右側看到這個智慧體的實際執行效果，並透過和智慧體進行對話來測試效果。
5、進到“配置”頁面，可以對智慧體的名稱、頭像進行修改，並設定一個合適的開場白。當使用者開啟這個智慧體之後，智慧體會自動先發出預設的開場白。
配置頁面已經根據你建立時對智慧體提出的要求，自動生成了指令，你可以點選“檢視示例”，對指令進行最佳化和完善。
6、點選“新建資料集”，可以將一些相關的文件資料上傳到資料集中，作為這個智慧體的補充資料庫。
7、看一下這個智慧體的執行效果：
8、儲存，並提交這個智慧體，將它設定為公開，等待平臺稽核透過即可上線了。
9、補充知識點：Prompt工程
（1）Prompt概念
（2） Prompt的作用和應用
（3）Prompt的侷限性
時效性：
例如AI 大語言模型被詢問有關一個虛構的現象，最後回覆並未表明該現象並不存在，或者沒有相關資訊可供查詢，反而編造了一個聽似合理的解答，並配以看似道理十足的引用，也就是在胡說八道。
精確數字：
AI很難按你要求的數字完成一段話。例如讓它寫一篇標題為“我的一天”的 200 字日記文章，模型可能會寫得很長，詳細地描述你一天的起床、吃飯、上班等點滴過程，結果字數遠超過要求。因為對它來說，生成更多相關細節會讓文章更流暢豐富，所以它不會自覺在剛好 200 字時就停止。
（4）Prompt技巧
1、點選左側的“建立智慧體”，在“低程式碼”這一欄點選“立即建立”。
2、在彈出的視窗中，設定智慧體的名稱、頭像、簡介，點選“建立”按鈕。
3、進到編輯頁面，進行視覺化拖拽開發。
左側就是常用的套件，其中“鏈”是應用的最基礎的單元，知識庫也就是向量庫，模型指的是文心一言的模型能力，提示詞模板編排確保了開發的準確性和高效性。
提供了兩個工具：HTTP請求工具、百度搜尋工具，提供了提問氣泡互動元件。
4、拖拽式開發的第一步，就是將“模型”下面的“文心模型”，用滑鼠拖拽到編輯區內。
5、將“鏈”下面的“大模型鏈”拖拽到編輯區，然後將大模型鏈與模型相連線：
滑鼠放到大模型鏈的“模型”前那個小圓圈上，直到滑鼠變成一個加號+，然後按下滑鼠，拖拽一條線連線到文心模型右下角“鏈”的小圓圈上。
一個基礎的智慧體通常由一個模型（文心模型）和一個大模型鏈組成，當大模型鏈與模型相連線時，就建立了一個最基礎的智慧體。
6、這個智慧體呼叫了通用大模型的最基礎能力，可以進行測試了。
點選頁面右上方的“測試”按鈕，顯示測試透過，預覽按鈕變為可用狀態，就可以進行互動了。
7、點選“預覽”按鈕，提示：預覽8小時後失效，請合理安排時間。 假設我們需要智慧體能夠為使用者推薦想看的書籍，就直接輸入問題，模型識別到問題就能生成答案。
8、點選上圖中的“去設定”，可以對模型的引導語、推薦問題等進行設定。
再進行測試時，可以看到已經帶上了引導語和推薦問題。
推薦問題相當於為使用者提供了快捷方式，讓使用者能更方便地瞭解和使用您的智慧體，這將有助於提高使用者體驗。
看一下執行效果：
9、新增提示詞，提示詞扮演著重要的角色，它能夠提供一種模板編排的方式。
例如如果使用者輸入了某個人物的名字，我們可以把問題轉化為對包含這個人物名字的書籍的推薦。
把“提示詞模板”拖拽到編輯區，可以編輯提示詞模板、編輯輸出格式。
例如，編輯模板如下：
然後將提示詞右下角的“鏈”與大模型鏈“提示語”前面的圓圈連線起來。透過這種方式，使用者只需要輸入關鍵資訊，我們就可以根據模板為其生成完整的問題。
本例中未限定輸出格式，當然也可以編輯輸出格式，比如可以要求模型以json格式輸出：
10、至此，一個簡單的低程式碼智慧體就建立完成了，可以提交發布，等待稽核了。
11、如果需要建立更復雜一些的智慧體，可以繼續進行下面的嘗試（下面以一個用於推薦酒店的智慧體為例）：
（1）工具鏈：工具鏈和大模型鏈，可以透過輸入和輸出來連線。這種連線方式描述了智慧體的處理邏輯，是從工具鏈開始處理，然後將工具鏈的輸出作為大模型鏈的輸入，再經過第二個鏈的處理，這是一個鏈的鏈式呼叫過程。
在工具鏈的配置中，首先讓它發起一個http請求介面（使用HTTP請求工具），這個介面可以是模擬的一個資料來源，主要用於測試模型返回酒店列表的功能。在實際的酒店智慧體開發中，可以把它設定為一個實際的資料來源，比如某酒店的資料庫。
當使用者輸入一個城市名稱時，工具鏈將請求酒店資料，並捕獲返回的結果，這些結果將被傳遞給一個大模型，該模型負責解讀資料，示例中使用了一個假資料集模擬捕獲的結果。
（2）分支鏈：分支鏈本質上也是一個大模型鏈，因此需要連線到一個模型（文心模型）。
分支鏈的配置中，有一個“意圖關鍵詞”，用於描述使用者的輸入所表達的目的，並根據該意圖執行相應的功能。透過配置意圖，可以根據使用者的輸入來觸發不同的處理邏輯。如果意圖之間的關聯性模糊，會導致意圖識別的準確性降低，因此需要清晰地表達意圖。
（3）提問鏈和提問氣泡：提問鏈和分支鏈通常配合使用（見上圖）。
如果識別到使用者要進行翻譯，可以在提問氣泡中配置一個表單元件，並列舉出支援的語言選項。配套的提示詞模板，會將使用者的輸入翻譯成指定的語言。提問鏈中提問氣泡的提示詞，代表了這個提問所對應的問題，{_input_}就是提問鏈生成的問題。
使用者回答後，會觸發一個強制意圖，即執行翻譯。強制意圖會執行一個新的鏈：負責執行實際翻譯工作的大模型鏈。為了確保輸出格式符合要求，可建立一個提示，如果使用者沒有命中任何一個意圖，系統將執行“預設意圖”，使用這個通用模型來回答。
（4）工具鏈：可以呼叫工具（如HTTP請求工具）進行查詢，例如可以獲取到一個平臺的日誌，再將日誌資料輸入給一個大模型。
（5）檢索鏈：當提問相關問題，就會進到一個檢索鏈，預設意圖也可以連結到一個檢索鏈。
相關的影片教材，可參考：https://datawhaler.feishu.cn/wiki/CXfdwUNE0ioQFukgJTLcamIQnVf
