#AI-medarbetare · Administratörsguide för konfiguration

Detta dokument hjälper er att snabbt förstå hur ni konfigurerar och hanterar AI-medarbetare, från modelltjänster till arbetsstart, och guidar er steg för steg genom hela processen.

#I. Innan ni börjar

#1. Systemkrav

Innan ni konfigurerar, se till att er miljö uppfyller följande villkor:

• NocoBase 2.0 eller högre är installerat
• AI-medarbetare plugin är aktiverat
• Minst en tillgänglig stor språkmodell-tjänst (t.ex. OpenAI, Claude, DeepSeek, GLM, etc.)

#2. Förstå AI-medarbetares tvåskiktsdesign

AI-medarbetare är uppdelade i två skikt: "Rolldefinition" och "Uppgiftsanpassning".

Skikt	Beskrivning	Egenskaper	Funktion
Rolldefinition	Medarbetarens grundläggande personlighet och kärnkompetenser	Stabil och oföränderlig, som ett "CV"	Säkerställer rollkonsistens
Uppgiftsanpassning	Konfiguration för olika affärsscenarier	Flexibel och justerbar	Anpassar till specifika uppgifter

Enkelt uttryckt:

"Rolldefinition" bestämmer vem denna medarbetare är, "Uppgiftsanpassning" bestämmer vad hen ska göra just nu.

Fördelarna med denna design är:

• Rollen är oförändrad, men kan hantera olika scenarier
• Uppgradering eller utbyte av uppgifter påverkar inte medarbetaren själv
• Bakgrund och uppgifter är oberoende av varandra, vilket förenklar underhåll

#II. Konfigurationsflöde (5 steg)

#Steg 1: Konfigurera modelltjänst

Modelltjänsten motsvarar AI-medarbetarens hjärna och måste ställas in först.

💡 För detaljerade konfigurationsinstruktioner, se: Konfigurera LLM-tjänst

Sökväg: Systeminställningar → AI-medarbetare → LLM service

Klicka på Lägg till och fyll i följande information:

Objekt	Beskrivning	Anmärkningar
Provider	t.ex. OpenAI, Claude, Gemini, Kimi etc.	Kompatibel med tjänster som följer samma specifikation
API-nyckel	Nyckel tillhandahållen av tjänsteleverantören	Håll den hemlig och byt ut den regelbundet
Base URL	API Endpoint (valfritt)	Behöver ändras vid användning av proxy
Enabled Models	Rekommenderade modeller / Välj modeller / Manuell inmatning	Bestämmer vilka modeller som är valbara i konversationer

Efter konfiguration, använd Test flight för att testa anslutningen. Om det misslyckas, kontrollera nätverk, nyckel eller modellnamn.

#Steg 2: Skapa AI-medarbetare

💡 För detaljerade instruktioner, se: Skapa AI-medarbetare

Sökväg: AI-medarbetarhantering → Skapa medarbetare

Fyll i grundläggande information:

Fält	Obligatorisk	Exempel
Namn	✓	viz, dex, cole
Smeknamn	✓	Viz, Dex, Cole
Aktiveringsstatus	✓	På
Biografi	-	"Dataanalysexpert"
Huvudprompt	✓	Se guide för prompt-engineering
Välkomstmeddelande	-	"Hej, jag är Viz…"

I skapandefasen fokuseras främst på roll- och färdighetskonfiguration. Den faktiska modellen som används kan väljas i konversationen via Model Switcher.

Förslag för promptskrivning:

• Var tydlig med medarbetarens roll, tonfall och ansvarsområden
• Använd ord som "måste" och "aldrig" för att betona regler
• Inkludera exempel så långt som möjligt för att undvika abstrakta instruktioner
• Håll den mellan 500–1000 tecken

Ju tydligare prompten är, desto stabilare blir AI:ns prestation. Se Guide för prompt-engineering.

#Steg 3: Konfigurera färdigheter

Färdigheter bestämmer vad medarbetaren kan "göra".

💡 För detaljerade instruktioner, se: Färdigheter

Typ	Kapacitetsområde	Exempel	Risknivå
Frontend	Sidinteraktion	Läsa blockdata, fylla i formulär	Låg
Datamodell	Datafrågor och analys	Aggregerad statistik	Medel
Arbetsflöde	Utföra affärsprocesser	Anpassade verktyg	Beror på arbetsflödet
Övrigt	Externa utökningar	Webbsökning, filhantering	Beror på situationen

Konfigurationsförslag:

• 3–5 färdigheter per medarbetare är mest lämpligt
• Vi rekommenderar inte att välja alla, då det lätt skapar förvirring
• För viktiga åtgärder rekommenderas behörigheten Ask istället för Allow

#Steg 4: Konfigurera kunskapsbas (valfritt)

Om er AI-medarbetare behöver minnas eller referera till stora mängder material, som produktmanualer eller FAQ, kan ni konfigurera en kunskapsbas.

💡 För detaljerade instruktioner, se:

• Översikt över AI-kunskapsbas
• Vektordatabas
• Konfiguration av kunskapsbas
• RAG (Retrieval-Augmented Generation)

Detta kräver att vektordatabas-pluginet är installerat.

Användningsområden:

• Låta AI:n förstå företagsspecifik kunskap
• Stödja dokumentbaserade frågor och svar samt sökning
• Träna domänspecifika assistenter

#Steg 5: Verifiera effekten

När det är klart ser ni den nya medarbetarens avatar i sidans nedre högra hörn.

Kontrollera följande punkter:

• ✅ Visas ikonen korrekt
• ✅ Kan grundläggande konversationer genomföras
• ✅ Kan färdigheter anropas korrekt

Om allt fungerar är konfigurationen lyckad 🎉

#III. Uppgiftskonfiguration: Få AI:n att börja arbeta

Det vi gjort hittills är att "skapa en medarbetare", nästa steg är att låta dem "gå till jobbet".

AI-uppgifter definierar medarbetarens beteende på en specifik sida eller i ett specifikt block.

💡 För detaljerade instruktioner, se: Uppgifter

#1. Uppgifter på sidnivå

Gäller för hela sidans omfång, till exempel "Analysera data på denna sida".

Konfigurationsingång: Sidinställningar → AI-medarbetare → Lägg till uppgift

Fält	Beskrivning	Exempel
Titel	Uppgiftens namn	Analys av stegkonvertering
Bakgrund	Kontext för den aktuella sidan	Leads-listningssida
Standardmeddelande	Förinställd dialog	"Analysera trenden för denna månad"
Standardblock	Automatisk koppling till datatabell	leads-tabell
Färdigheter	Tillgängliga verktyg	Fråga data, generera diagram

Stöd för flera uppgifter: Samma AI-medarbetare kan konfigureras med flera uppgifter, som visas som alternativ för användaren:

Förslag:

• En uppgift bör fokusera på ett mål
• Namnet ska vara tydligt och lättförståeligt
• Håll antalet uppgifter inom 5–7 stycken

#2. Uppgifter på blocknivå

Lämpligt för åtgärder i ett specifikt block, som "Översätt aktuellt formulär".

Konfigurationsmetod:

1. Öppna konfigurationen för blockåtgärder
2. Lägg till "AI-medarbetare"

3. Koppla till målmedarbetaren

Jämförelse	Sidnivå	Blocknivå
Dataomfång	Hela sidan	Aktuellt block
Granularitet	Global analys	Detaljerad hantering
Typisk användning	Trendanalys	Formuläröversättning, fältextraktion

#IV. Bästa praxis

#1. Konfigurationsförslag

Objekt	Förslag	Anledning
Antal färdigheter	3–5 stycken	Hög precision, snabb respons
Behörighetsläge (Ask / Allow)	Rekommendera Ask vid dataändring	Förhindra felaktiga åtgärder
Promptlängd	500–1000 tecken	Balanserar hastighet och kvalitet
Uppgiftsmål	Enkelt och tydligt	Undvik att AI:n blir förvirrad
Arbetsflöde	Använd efter inkapsling av komplexa uppgifter	Högre framgångsgrad

#2. Praktiska råd

Börja smått, optimera gradvis:

1. Skapa först grundläggande medarbetare (t.ex. Viz, Dex)
2. Aktivera 1–2 kärnfärdigheter för testning
3. Bekräfta att uppgifter kan utföras normalt
4. Utöka sedan gradvis med fler färdigheter och uppgifter

Kontinuerlig optimering av flödet:

1. Få den första versionen att fungera
2. Samla in feedback från användning
3. Optimera prompter och uppgiftskonfigurationer
4. Testa och förbättra cykliskt

#V. Vanliga frågor och svar

#1. Konfigurationsfasen

F: Vad gör jag om det inte går att spara? S: Kontrollera om alla obligatoriska fält är ifyllda, särskilt modelltjänst och prompt.

F: Vilken modell ska jag välja?

• Kodrelaterat → Claude, GPT-4
• Analysrelaterat → Claude, DeepSeek
• Kostnadskänsligt → Qwen, GLM
• Lång text → Gemini, Claude

#2. Användningsfasen

F: AI-svaret är för långsamt?

• Minska antalet färdigheter
• Optimera prompten
• Kontrollera modelltjänstens latens
• Överväg att byta modell

F: Uppgiften utförs inte korrekt?

• Prompten är inte tillräckligt tydlig
• För många färdigheter skapar förvirring
• Dela upp i mindre uppgifter, lägg till exempel

F: När ska jag välja Ask / Allow?

• För sökrelaterade uppgifter kan Allow användas
• För dataändringar rekommenderas Ask

F: Hur får jag AI:n att hantera ett specifikt formulär?

S: Om det är en konfiguration på sidnivå måste ni manuellt välja blocket.

Om det är en konfiguration på blocknivå binds datakontexten automatiskt.

#VI. Vidare läsning

För att göra era AI-medarbetare mer kraftfulla kan ni läsa följande dokument:

Relaterat till konfiguration:

• Guide för prompt-engineering - Tekniker och bästa praxis för att skriva högkvalitativa prompter
• Konfigurera LLM-tjänst - Detaljerad beskrivning av konfiguration för stora modelltjänster
• Skapa AI-medarbetare - Skapande och grundläggande konfiguration av AI-medarbetare
• Samarbeta med AI-medarbetare - Hur ni för effektiva dialoger med AI-medarbetare

Avancerade funktioner:

• Färdigheter - Fördjupning i konfiguration och användning av olika färdigheter
• Uppgifter - Avancerade tekniker för uppgiftskonfiguration
• Välj block - Hur ni anger datablock för AI-medarbetare
• Datakälla - Se dokumentationen för datakällskonfiguration i motsvarande plugin
• Webbsökning - Konfigurera AI-medarbetarens förmåga till webbsökning

Kunskapsbas och RAG:

• Översikt över AI-kunskapsbas - Introduktion till kunskapsbasfunktioner
• Vektordatabas - Konfiguration av vektordatabas
• Kunskapsbas - Hur ni skapar och hanterar kunskapsbaser
• RAG (Retrieval-Augmented Generation) - Tillämpning av RAG-teknik

Arbetsflödesintegration:

• LLM-nod - Textdialog - Använda textdialog i arbetsflöden
• LLM-nod - Multimodal dialog - Hantera bilder, filer och annan multimodal indata
• LLM-nod - Strukturerad utdata - Erhåll strukturerade AI-svar

##结语

Det viktigaste vid konfiguration av AI-medarbetare är: få det att fungera först, optimera sedan. Låt den första medarbetaren börja arbeta framgångsrikt, och utöka samt finjustera därefter stegvis.

Felsökning kan göras i följande ordning:

1. Är modelltjänsten ansluten
2. Är antalet färdigheter för många
3. Är prompten tydlig
4. Är uppgiftsmålet tydligt

Genom att gå framåt stegvis kan ni bygga ett verkligt effektivt AI-team.