0 代码也能搭 Agent：我用做了一个企业售前知识助手
以前我对 Agent 的理解比较模糊，总觉得它像一个“更聪明的聊天机器人”。但真正接触 FastGPT 之后，我发现 Agent 的价值并不只是聊天，而是把企业里的知识、流程、工具和业务判断串起来，让 AI 真的参与到具体工作中。
我选择的场景是“企业售前方案助手”。这个场景在很多公司都很常见：销售或售前同事每天要面对不同客户，客户来自不同行业，需求也各不相同。比如有人关注私有化部署，有人关注数据安全，有人关心价格和实施周期，还有人想看同行业案例。过去遇到这些问题，销售往往要翻产品文档、问技术同事、找历史方案，再手动整理成一段回复。整个过程不算复杂，但非常耗时间，而且不同人整理出来的答案质量也不稳定。
于是我想到，可以用 FastGPT 搭建一个“售前知识 Agent”。FastGPT 本身就是面向企业级 AI Agent 和 RAG 知识库的平台，支持知识库、模型调用、可视化工作流和 API 集成等能力。对我来说，它最大的优势是把“搭 Agent”这件事变得很直观，不需要从零写一整套系统，而是可以围绕业务流程一步步配置。
我的搭建思路分为四步。
第一步是整理知识库。我把产品介绍、功能清单、报价说明、实施流程、常见问题、行业案例等资料整理出来，上传到 FastGPT 的知识库中。这样 Agent 回答问题时，不是凭空生成，而是基于企业已有资料进行检索和总结。比如用户问“我们是制造业客户，想做内部知识问答系统，适合怎么部署？”Agent 可以先从知识库里找到和制造业、私有化、知识问答相关的内容，再组合成更贴近业务的回答。
第二步是设计提示词。我给这个 Agent 设定了明确身份：它不是普通客服，而是“企业级 AI 应用售前顾问”。它回答问题时要先判断客户行业、需求类型、预算敏感点和落地难度，再输出建议方案。这样做的好处是，Agent 不会只给一段泛泛的介绍，而是会尽量站在售前视角思考：客户真正关心什么？下一步应该引导客户提供哪些信息？是否需要转人工技术支持？
第三步是使用 FastGPT 的可视化工作流。单纯问答只能解决一部分问题，但真实业务往往需要流程判断。比如客户问的是产品功能，就走知识库检索；客户问的是报价，就提示需要结合用户规模、部署方式和服务范围评估；客户提出定制开发，就先收集需求，再生成一份需求确认清单。通过工作流节点，可以把这些步骤拆开，让 Agent 不再是“一问一答”，而是按照业务规则推进任务。
第四步是发布和使用。搭好之后，可以把 Agent 用在企业内部，也可以通过接口或渠道集成到官网、公众号、企微、飞书等入口。这样销售不必每次都打开一堆文档，只需要直接向 Agent 提问。比如输入“帮我给一个金融行业客户写一段方案介绍”，Agent 就能结合知识库生成一版初稿；输入“客户担心数据安全，怎么回复更专业？”Agent 可以总结安全机制、部署方式和权限控制相关内容；输入“根据这段沟通记录，帮我整理客户需求”，Agent 也能输出结构化纪要。
这个 Agent 真正提升效率的地方，不是替代销售或售前，而是减少重复劳动。过去一个客户问题可能要花十几分钟翻资料，现在几秒钟就能得到一个可修改的初稿。过去新人需要很久才能熟悉产品资料，现在可以通过 Agent 快速理解标准口径。过去很多经验只存在老员工脑子里，现在可以沉淀进知识库和工作流，变成团队共享能力。
当然，使用 FastGPT 搭建 Agent 也让我意识到一个问题：Agent 的效果不只取决于模型，也取决于企业资料是否清晰。如果知识库里的文档版本混乱，Agent 也可能回答得不准确。所以在搭建过程中，整理文档、统一口径、标注资料来源同样重要。FastGPT 提供的是平台能力，但真正让 Agent 好用的，是业务人员对场景的理解。
我认为 FastGPT 最适合的企业场景，正是这种“知识密集、重复高频、需要流程判断”的工作。除了售前方案助手，还可以扩展到客服问答 Agent、内部制度助手、财务报销审核助手、HR 招聘简历筛选助手、运营活动复盘助手等。它们的共同点是：资料多、流程固定、人经常重复问同样的问题，但又不能完全机械化处理。
通过这次实践，我对 Agent 有了更具体的认识。真正有价值的 Agent，不是一个看起来很炫的 AI 聊天窗口，而是一个能进入业务流程的数字员工。它要能理解问题、调用知识、遵守规则、输出结果，并在不确定时提醒人工介入。FastGPT 的意义就在于，它把这些能力用相对低门槛的方式组合起来，让普通业务团队也能尝试搭建自己的 Agent。
如果说过去企业做 AI 应用，更像是技术团队的专属项目，那么 FastGPT 这类平台正在把门槛降低。业务人员只要理解自己的流程，就可以参与 Agent 的设计；技术人员则可以通过 API、工作流和系统集成，把 Agent 接入真实业务环境。两者结合起来，AI 才不只是演示工具，而会成为企业效率体系的一部分。