智能体平台操作指南¶

本文整合了智能公元平台对智能体开放的三类接入 API，以及配套的设备控制能力（MCP 与 coze 插件）。文档按照“整体概览 → API 详情 → 工具拓展”的顺序组织，便于快速定位所需信息。

1. 接入概览¶

1.1 适用场景¶

已有自研大模型或完整智能体服务，需在设备端落地。
需要通过平台提供的“自定义”智能体配置选项，将外部服务通过 API 注入到设备。
希望通过平台能力扩展语音对话、文本对话、TTS 生成或设备控制等功能。

1.2 接入方式速览¶

智能体接入概览

接入方式	连接协议	主要能力	典型场景
HTTP 大模型服务	HTTP + SSE	自定义大模型推理，平台默认 ASR/TTS	只需模型输出文本，再由设备完成语音播报
双向流式语音对话	WebSocket	语音上行 + 文本/音频下行的全链路对话	需要自定义语音对话引擎或完整对话服务
大模型 + TTS 服务	WebSocket	纯文本问题输入，平台回传文本 + TTS 音频	需自定义文本大模型与语音合成，实现多轮播报

2. HTTP 大模型服务参考 API¶

适用于已准备好 ASR→LLM→TTS 流程中“LLM”环节的场景。设备默认使用平台 ASR 和 TTS，只需提供大模型推理接口即可。

2.1 配置要点¶

ASR 服务：可选“默认/自定义”，默认表示继续沿用平台配置。
大模型服务：
- 连接方式：当前支持 SSE (http)。
- 请求地址：填写模型推理 URL。
- 流式：建议开启，以便实时回传生成内容。
- 附加参数：可在配置界面动态添加，平台会写入请求体。
- TTS 服务：可选“默认/自定义”，默认由平台完成文本转语音。

2.2 接口说明¶

请求方式：POST
示例 URL：https://test/api/v1/chat
必填 Header：Content-Type: application/json

请求体字段

参数名	类型	说明	是否必填
deviceId	String	设备唯一 ID	✓
question	String	用户提问文本	✓
stream	Boolean	是否使用 SSE 流式返回	✓
xxx	Object	自定义附加参数	✗

请求示例

{
    "deviceId": "JX_A7T_7C3E821CB729",
    "question": "你是谁？",
    "stream": true
}

流式返回示例（SSE）

data:{"code":0,"message":"","data":{"answer":"我","id":"12341231"}}

data:{"code":0,"message":"","data":{"answer":"是","id":"12341231"}}

data:{"code":0,"message":"","data":{"answer":"小智","id":"12341231"}}

data:{"code":0,"message":"","data":{"answer":"有什么","id":"12341231"}}

data:{"code":0,"message":"","data":{"answer":"可以","id":"12341231"}}

data:{"code":0,"message":"","data":{"answer":"帮您","id":"12341231"}}

data:"[DONE]"

3. 完整对话服务参考 API（双向流式语音 WebSocket）¶

适用于自研了“语音识别 + 多模态推理 + 语音合成”能力的伙伴，通过 WebSocket 建立长连接，实现语音上/下行的实时对话。

3.1 接口特性¶

通信协议：wss
输入输出：可自定义语音编码，音频片段通过 Base64 传输。
附加参数：在建连 URL 的 Query 中透传。

3.2 时序¶

完整对话时序

3.3 建连信息¶

示例 URL：wss://test/api/v1/chat
Query 参数：

参数名	类型	说明	是否必填
deviceId	String	设备唯一 ID	✓
xxx	Object	业务所需的附加参数	✗

示例：wss://test/api/v1/chat?deviceId=12345678

3.4 上行事件（上行 → 服务端）¶

1) 流式上传音频片段 `input_audio_buffer.append`¶

字段	类型	说明
id	String	生成的事件 ID
event_type	String	固定为 `input_audio_buffer.append`
data.delta	String	Base64 编码的音频片段

{
  "id": "event_id",
  "event_type": "input_audio_buffer.append",
  "data": {
    "delta": "base64EncodedAudioDelta"
  }
}

2) 提交音频缓冲区 `input_audio_buffer.complete`¶

字段	类型	说明
id	String	生成的事件 ID
event_type	String	固定为 `input_audio_buffer.complete`

{
  "id": "event_id",
  "event_type": "input_audio_buffer.complete"
}

3) 清除缓冲区音频 `input_audio_buffer.clear`¶

字段	类型	说明
id	String	生成的事件 ID
event_type	String	固定为 `input_audio_buffer.clear`

{
  "id": "event_id",
  "event_type": "input_audio_buffer.clear"
}

4) 打断智能体输出 `conversation.chat.cancel`¶

字段	类型	说明
id	String	生成的事件 ID
event_type	String	固定为 `conversation.chat.cancel`

{
  "id": "event_id",
  "event_type": "conversation.chat.cancel"
}

3.5 下行事件（服务端 → 下行端）¶

1) 建立连接 `chat.created`¶

字段	类型	说明
id	String	服务端事件 ID
event_type	String	`chat.created`
detail.logid	String	请求日志 ID

{
  "id": "7446668538246561xxxx",
  "event_type": "chat.created",
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

2) 对话开始 `conversation.chat.created`¶

字段	类型	说明
id	String	服务端事件 ID
event_type	String	`conversation.chat.created`
data.id	String	对话 ID
data.conversation_id	String	会话 ID
detail.logid	String	日志 ID

{
  "id": "744666853824656xxx",
  "event_type": "conversation.chat.created",
  "data": {
    "id": "123",
    "conversation_id": "123"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

3) 文本增量 `conversation.message.delta`¶

字段	类型	说明
id	String	事件 ID
event_type	String	`conversation.message.delta`
data.content	String	文本内容
data.type	String	固定 `answer`
data.conversation_id	String	会话 ID

{
  "id": "event_1",
  "event_type": "conversation.message.delta",
  "data": {
    "id": "msg_006",
    "conversation_id": "123",
    "type": "answer",
    "content": "你好你好"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

4) 语音增量 `conversation.audio.delta`¶

字段	类型	说明
id	String	事件 ID
data.content	String	Base64 音频片段
data.type	String	`answer`

{
  "id": "event_1",
  "event_type": "conversation.audio.delta",
  "data": {
    "id": "msg_006",
    "type": "answer",
    "content": "base64audio",
    "conversation_id": "123"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

5) 文本完成 `conversation.message.completed`¶

{
  "id": "event_1",
  "event_type": "conversation.message.completed",
  "data": {
    "id": "msg_002",
    "conversation_id": "123"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

6) 语音完成 `conversation.audio.completed`¶

{
  "id": "event_1",
  "event_type": "conversation.audio.completed",
  "data": {
    "id": "msg_002",
    "conversation_id": "123"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

7) 对话完成 `conversation.chat.completed`¶

{
  "id": "event_id",
  "event_type": "conversation.chat.completed",
  "data": {
    "id": "123",
    "conversation_id": "123"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

8) 对话失败 `conversation.chat.failed`¶

字段	类型	说明
data.last_error.code	Integer	错误码（0 表示成功）
data.last_error.msg	String	错误描述

{
  "id": "event_1",
  "event_type": "conversation.chat.failed",
  "data": {
    "id": "123",
    "conversation_id": "123",
    "last_error": {
      "code": 1,
      "msg": "发生异常"
    }
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

9) 错误事件 `error`¶

{
  "id": "event_1",
  "event_type": "error",
  "data": {
    "code": 1,
    "msg": "发生异常"
  },
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

10) 流式音频提交完成 `input_audio_buffer.completed`¶

{
  "id": "event_id",
  "event_type": "input_audio_buffer.completed",
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

11) 缓冲区已清除 `input_audio_buffer.cleared`¶

{
  "id": "event_id",
  "event_type": "input_audio_buffer.cleared",
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

12) 输出被中断 `conversation.chat.canceled`¶

{
  "id": "event_id",
  "event_type": "conversation.chat.canceled",
  "detail": {
    "logid": "20241210152726467C48D89D6DB2F3***"
  }
}

4. 大模型 + TTS 服务参考 API（文本输入 WebSocket）¶

该模式通过 WebSocket 发送文本问题，并接收文本结果与 TTS 音频，适合纯文本问题、由接入方自定义语音合成的场景。

4.1 时序¶

大模型 + TTS 时序

4.2 建连信息¶

示例 URL：wss://test/api/v1/chat
Query 参数同上，需包含 deviceId，可附加自定义参数。

4.3 上行事件¶

1) 提交文本 `input_text`¶

字段	类型	说明
id	String	事件 ID
event_type	String	固定 `input_text`
deviceId	String	设备 ID
question	String	文本问题
stream	Boolean	是否流式返回
xxx	Object	自定义参数

{
  "id": "event_id",
  "event_type": "input_text",
  "deviceId": "12345678",
  "question": "你是谁？",
  "stream": true
}

2) 打断输出 `conversation.chat.cancel`¶

结构与语音方案一致。

4.4 下行事件¶

与语音方案一致，包括 chat.created、conversation.chat.created、conversation.message.delta、conversation.audio.delta、conversation.message.completed、conversation.audio.completed、conversation.chat.completed、conversation.chat.failed、error、conversation.chat.canceled 等。示例结构可参考第 3 章，对应字段含义保持一致。

5. MCP（Model Context Protocol）设备控制¶

MCP 让大模型能够使用平台生成的外部工具，实现对设备控件的查询与控制。

5.1 操作步骤¶

配置控件：在小程序中配置滑块、开关、按钮等控件（例如调节灯光亮度、控制灯/加湿器/窗帘等）。
生成工具：切换到“MCP 工具”菜单，点击“刷新”生成与控件对应的工具。
补充描述：每个工具需填写清晰的名称与描述，区分“控制”和“查询”类型，便于大模型理解。
发布工具：版本发布前勾选“发布 MCP 工具”。
固件验证：将生成的固件烧录到设备，使用平台提供的“体验版智能体”即可在对话中调用 MCP 控制设备。

5.2 示例界面¶

控件配置示例：
工具生成示例：
发布确认：

6. coze 插件对接¶

平台提供“智能公元 IOT 插件”示例，亦可按照以下流程制作自定义插件。

6.1 生成插件¶

在版本详情页的 MCP 工具 菜单点击“预览”，在弹窗中选择“下载插件”，获取 mcp_tool.yaml。
登录 coze 平台，在“工作空间 → 资源库”选择“添加插件”。
在新建插件窗口点击右上角“导入”，上传 mcp_tool.yaml。
按向导点击“下一步”→“确认”。
资源库中会出现新插件，进入后将所有工具设置为“启用”。
首次状态会显示“失败”，需要执行“试运行”并填写参数：token 固定为 Bearer test，其余参数可按需填写，通过后状态变为“通过”。

6.2 配置对话流¶

在对话流编辑器中，选中“开始”节点，新增输入变量 token 与 deviceKey。
选中大模型节点，关闭“深度思考”开关以缩短响应时延。
在“技能”栏添加刚导入的插件。
在“输入”栏引用“开始”节点的 token、deviceKey 变量。
在“用户提示词”中也引用上述变量，确保大模型能正确传参。
在结束节点开启“流式输出”。
发布对话流，即可在 coze 对话中调用插件。

6.3 配图参考¶

插件检索：
下载配置：
导入向导：
试运行：
对话流配置：
发布前检查：

调用AI模型时提示"not authorized"错误怎么办？¶

问题描述：

在调用AI模型生成文本时，系统返回"ERROR: Model(BAAI/bge-reranker-v2-m3) not authorized"错误，导致功能无法正常使用。

解决方案：

问题原因：

使用的模型没有授权或授权已过期
模型访问权限配置问题

解决方法：

调整相似度阈值
- 在AI组件设置中找到"相似度阈值"参数
- 将阈值调整为0.5或更合适的值
- 保存配置后重新测试
检查模型授权状态
- 确认所选模型是否有访问权限
- 检查API密钥是否正确配置
- 验证账户是否有足够的使用额度
更换可用模型
- 选择平台推荐的其他模型
- 使用有授权的备用模型
- 确保模型在可用列表中
重新配置知识库
- 检查知识库文件是否正确上传
- 确认文件解析状态正常
- 重新上传知识库文件测试

注意事项：

相似度阈值设置过高可能导致匹配失败
确保使用平台授权的模型
定期检查模型访问权限状态
如问题持续，联系技术支持获取协助

知识库文档必须上传两个吗？¶

问题描述：

在配置知识库时，询问是否必须上传两个文档，还是可以只上传一个。

解决方案：

上传数量说明：

知识库支持只上传一个文档
两种文档类型（如txt和xlsx）是为了演示兼容性
根据实际需求选择上传一种或多种类型

使用建议：

单一文档
- 如果只有一种格式的知识库内容
- 可以上传单个txt或xlsx文件
- 系统会正常解析和使用
多种文档
- 有互补内容时可上传多个文档
- 不同格式可包含不同类型的信息
- 提高知识库的丰富度
文档格式选择
- txt：适合纯文本知识
- xlsx：适合结构化数据
- 根据内容特点选择合适格式

注意事项：

知识库不是必须上传两个文档
可以根据需要选择文档数量和类型
确保文档内容清晰、格式正确
上传后检查解析状态是否正常

通过以上结构化指南，可以在平台内快速完成智能体 API 接入、语音/文本对话调试，以及设备控制与生态插件的落地。

智能体平台如何添加自定义模型？¶

问题描述：

需要在智能体平台中添加自定义大模型，了解如何配置模型参数以及是否支持自建GPU服务器。

解决方案：

模型添加方式：

智能体平台支持多种模型接入方式，包括VLLM和Xinference等主流框架：

添加模型流程：
- 登录智能体平台
- 进入"模型提供商"管理页面
- 点击"添加模型"按钮
- 选择对应的模型类型（VLLM/Xinference）
配置模型参数：
- 模型类型：选择对应的大模型框架
- 模型名称：填写模型标识名称
- 基础URL：填写模型服务的API地址
- API Key：填写访问密钥（如需要）
- 最大Token数：设置单次请求的最大token限制
自建GPU服务器支持：
- 平台支持接入自建GPU服务器
- 需要提供标准的API接口
- 支持方言识别和合成功能集成

方言支持配置：

方言识别支持：
- 通过自建GPU服务器部署方言识别模型
- 支持粤语、上海话、四川话等方言
- 需要二十多年专业团队打造的支持
方言TTS合成：
- 支持方言文本转语音合成
- 当前支持：粤语、上海话、四川话
- 可通过API接口集成到平台

配置示例：

{
    "model_type": "VLLM",
    "model_name": "custom-dialect-model",
    "base_url": "http://your-gpu-server:8000/v1",
    "api_key": "your-api-key",
    "max_tokens": 4096,
    "features": {
    "dialect_asr": true,
    "dialect_tts": true,
    "supported_dialects": ["cantonese", "shanghainese", "sichuanese"]
    }
}

技术要求：

服务器配置：
- GPU：建议使用高性能GPU（如RTX 4090/A100）
- 内存：至少16GB显存
- 网络：稳定的互联网连接
- API：提供RESTful或WebSocket接口
接口规范：
- 遵循OpenAI API格式
- 支持流式输出
- 提供健康检查接口
- 返回标准的错误码

注意事项：

自建GPU服务器需要确保服务稳定可用
方言识别和合成需要专业训练的模型
建议先进行小规模测试再正式接入
保留API密钥安全，避免泄露

智能体平台是否支持自建大模型服务器？¶

问题描述：

询问智能体平台是否支持接入自建GPU服务器，以实现自定义大模型和方言识别功能。

解决方案：

支持情况确认：

智能体平台完全支持自建大模型服务器接入：

接入方式：
- 通过VLLM框架接入
- 通过Xinference框架接入
- 支持标准API接口对接
功能支持：
- 自定义大模型推理
- 方言识别集成
- 方言TTS合成
- 实时流式对话

部署建议：

硬件要求：
- GPU：RTX 3090/4090或更高性能
- 显存：≥16GB VRAM
- 内存：≥64GB RAM
- 存储：高速SSD，≥1TB
软件环境：
- Python 3.8+
- CUDA 11.8+
- Docker（推荐）
- 负载均衡器（生产环境）
网络配置：
- 公网IP：固定公网IP地址
- 域名：可选配置域名解析
- HTTPS：建议使用SSL证书
- 防火墙：开放必要端口

实施步骤：

部署大模型服务：

# 使用Docker部署VLLM示例
docker run --gpus all \
  -v ~/.cache/huggingface:/root/.cache/huggingface \
  -p 8000:8000 \
  --name vllm-server \
  vllm/vllm-openai \
  --model your-model-name \
  --trust-remote-code

配置方言功能：
- 集成方言识别模型
- 部署方言TTS引擎
- 配置模型路由规则
平台对接：
- 在智能体平台添加模型
- 填写服务器API地址
- 测试连接和功能

成本优化：

资源优化：
- 使用模型量化减少显存占用
- 配置请求批处理提高吞吐
- 设置自动缩放应对流量变化
监控告警：
- 监控GPU使用率
- 设置内存告警阈值
- 记录请求响应时间

注意事项：

自建服务器需要具备一定的运维能力
方言模型需要专业的语音处理技术
建议保留一定的服务冗余
定期备份模型和配置文件

如何在智能体平台配置VLLM模型？¶

问题描述：

需要在智能体平台中配置VLLM模型，了解具体的配置步骤和参数说明。

解决方案：

VLLM配置步骤：

准备VLLM服务：
- 确保VLLM服务已部署并运行
- 获取服务的API端点
- 确认服务支持OpenAI兼容接口
平台添加配置：
- 登录智能体平台
- 进入"模型管理"→"添加模型"
- 选择模型类型为"VLLM"
- 填写配置参数

必填参数说明：

参数名	说明	示例值
模型类型	选择VLLM	VLLM
模型名称	自定义标识	my-vllm-model
基础URL	VLLM服务地址	http://192.168.1.100:8000/v1
API Key	认证密钥	sk-xxxxxxxxxx
最大Token	单次请求限制	4096

可选参数配置：

参数名	说明	建议值
Temperature	控制输出随机性	0.7
Top P	核采样概率	0.9
Presence Penalty	重复惩罚	0.1
Frequency Penalty	频率惩罚	0.1
Stream	流式输出	true

配置验证：

连接测试：
- 点击"测试连接"按钮
- 查看返回的健康状态
- 确认无错误信息
对话测试：
- 发送测试消息
- 验证回复内容
- 检查响应时间

常见问题处理：

连接失败：
- 检查URL是否正确
- 确认防火墙设置
- 验证API Key有效性
响应超时：
- 增加请求超时时间
- 检查服务器负载
- 优化模型推理速度

注意事项：

URL需要包含完整的API路径
API Key需要妥善保管
建议启用流式输出获得更好体验
定期更新VLLM版本以获得最新功能

如何在智能体平台配置Xinference模型？¶

问题描述：

需要在智能体平台中配置Xinference模型，了解具体的配置方法和注意事项。

解决方案：

Xinference配置步骤：

部署Xinference服务：

# 安装Xinference
pip install xinference

# 启动服务
xinference-local -h 0.0.0.0 -p 9997

平台配置：
- 选择模型类型为"Xinference"
- 填写Xinference服务地址
- 选择已加载的模型

配置参数：

参数	说明	示例
模型类型	Xinference	Xinference
基础URL	服务地址	http://localhost:9997/v1
模型UID	模型唯一标识	uuid-of-loaded-model
API Key	认证密钥	(可选)

模型管理命令：

列出可用模型：
```
xinference list --model-type LLM
```
加载模型：
```
xinference launch -m uid -n model-name
```
查看已加载模型：
```
xinference list --running
```

高级配置：

量化支持：
- 支持INT4/INT8量化模型
- 减少显存占用
- 提高推理速度
多模型并行：
- 同时加载多个模型
- 通过UID区分调用
- 动态切换模型

注意事项：

Xinference默认端口为9997
需要确保模型文件已下载
量化模型需要提前转换
生产环境建议使用Docker部署

通过以上结构化指南，可以在平台内快速完成智能体 API 接入、语音/文本对话调试，以及设备控制与生态插件的落地。

智能体平台响应延迟问题¶

问题描述：

智能体平台出现响应延迟，使用小程序生成固件后，设备说话响应变慢，从之前的3秒增加到6-7秒。

解决方案：

网络传输优化：
- 检查智能公元平台到设备的网络链路
- 优化数据传输协议，减少握手次数
- 使用CDN加速服务分担压力
- 考虑区域部署减少网络延迟
模型推理优化：
- 检查大模型推理服务负载
- 优化模型参数配置
- 增加GPU资源或使用模型量化
- 启用模型缓存和预热机制
系统性能调优：
- 监控平台服务器资源使用情况
- 优化数据库查询性能
- 检查消息队列处理能力
- 增加并发处理线程数
固件配置检查：
- 验证小程序生成的固件配置
- 检查音频编解码参数设置
- 确认语音唤醒灵敏度配置
- 测试不同参数组合的性能表现
缓存策略优化：
- 实施智能体回复缓存机制
- 缓存常用问题和答案
- 使用Redis等内存数据库加速访问
- 设置合理的缓存过期时间
分阶段问题排查：

第一阶段：定位瓶颈
- 测试网络延迟：ping智能公元平台服务器
- 监控设备资源：CPU、内存、网络使用率
- 记录各环节耗时：ASR、LLM、TTS分别耗时
第二阶段：针对性优化
- 网络延迟高：优化网络配置或更换线路
- 设备资源不足：优化代码或升级硬件
- 平台响应慢：联系技术支持优化服务
性能监控工具：
- 使用性能监控工具实时跟踪响应时间
- 设置延迟告警阈值（如超过5秒告警）
- 记录历史数据分析和优化效果
- 建立性能基线对比机制

注意事项：

响应时间增加可能由多个因素叠加造成
优化时建议逐项测试，避免同时改动多个参数
网络环境是重要影响因素，建议在稳定网络环境下测试
如问题持续存在，可联系平台技术支持获取进一步协助

如何修改智能体人设名称？¶

问题描述：

在使用智能体时，希望修改默认的人设名称，避免在语音唤醒时因名称不匹配导致对话出戏的问题。

解决方案：

当前版本限制：

人设内容和用户输入是两个不同的模块
当前版本不支持运行时动态切换人设名称
人设内容需要在配置时固定设置

临时解决方案：

重新配置智能体：
- 在平台中重新创建或编辑智能体
- 修改人设描述，移除不需要的名称
- 使用通用身份描述，如"科学小达人"
优化人设描述：
- 避免使用具体的人名
- 使用角色身份代替个人名称
- 例如："我是科学小达人"而非"我是科学小达人光光"
未来版本支持：
- 下个版本将加入记忆体设定
- 支持更好的人设切换功能
- 可以实现动态对话设定

注意事项：

当前版本需要重新生成固件才能应用新的人设设置
建议在产品开发阶段确定合适的人设名称
等待新版本发布可获得更灵活的配置能力

智能体二维码绑定流程说明¶

问题描述：

在使用智能体平台时，需要了解如何创建并绑定智能体，以及二维码的有效期和完整操作流程。

解决方案：

二维码有效期：

智能体绑定二维码有效期为10分钟
需要在10分钟内完成所有设备的绑定操作
超时后需要重新生成二维码

创建智能体配置：

进入智能体配置页面：
- 登录智能公元平台
- 进入"智能体配置"管理页面
- 点击"+ 创建新配置"按钮

智能体配置页面

填写配置信息：
- 平台选择：支持coze或智能公元
- 智能体名称：自定义名称
- 应用ID：填写对应的应用标识
- 智能体ID：智能体的唯一标识
- API密钥：用于接口认证的密钥
- 发音人：选择TTS发音人
- 公钥/私钥：根据需要填写

创建配置界面配置填写示例

保存配置：
- 填写完成后点击确认
- 系统生成智能体配置
- 获得用于绑定的二维码

绑定智能体到设备：

打开智能公元小程序：
- 使用微信扫描进入"智能公元"小程序
- 进入设备详情页面
扫描二维码绑定：
- 点击"AI智能体"菜单
- 扫描平台生成的二维码
- 确认绑定信息
绑定确认：
- 设备显示绑定成功提示
- 智能体配置同步到设备
- 可以开始使用智能体功能

绑定示例：

智能体二维码

注意事项：

二维码有效期严格限制为10分钟，建议提前准备好设备
绑定过程中确保网络连接稳定
一个智能体可以绑定到多个设备
绑定失败时请检查二维码是否过期
重复绑定同一智能体不会产生额外费用

如何控制大模型只回答与当前问题相关的内容？¶

问题描述：

在使用大模型时，模型可能返回与问题无关的信息或格式错误的内容，需要控制输出使其只回答当前问题相关的内容。

解决方案：

1. 优化系统提示词（System Prompt）

明确角色设定：确保角色设定简洁且与当前任务相关
限制输出格式：在系统提示词中明确要求只输出文本，不输出JSON格式

## 回答格式
- 直接输出文本，不要输出json格式
- 只回答与问题相关的内容

2. 添加内容过滤规则

在系统提示词中加入内容过滤规则
明确要求只回答与当前问题相关的内容

## 限制
- 只回答与当前问题相关的内容，其他问题回复不清楚

3. 测试与验证

修改提示词后，进行多次测试
确保模型输出符合预期
如问题仍存在，可进一步调整提示词的措辞

4. 其他建议

考虑使用外部工具或脚本对输出进行后处理
过滤掉无关内容
定期检查和更新系统提示词

注意事项：

系统提示词对模型输出有重要影响
提示词需要根据具体应用场景调整
建议保存有效的提示词模板供后续使用

智能体平台操作指南¶

1. 接入概览¶

1.1 适用场景¶

1.2 接入方式速览¶

2. HTTP 大模型服务参考 API¶

2.1 配置要点¶

2.2 接口说明¶

3. 完整对话服务参考 API（双向流式语音 WebSocket）¶

3.1 接口特性¶

3.2 时序¶

3.3 建连信息¶

3.4 上行事件（上行 → 服务端）¶

1) 流式上传音频片段 input_audio_buffer.append¶

2) 提交音频缓冲区 input_audio_buffer.complete¶

3) 清除缓冲区音频 input_audio_buffer.clear¶

4) 打断智能体输出 conversation.chat.cancel¶

3.5 下行事件（服务端 → 下行端）¶

1) 建立连接 chat.created¶

2) 对话开始 conversation.chat.created¶

3) 文本增量 conversation.message.delta¶

4) 语音增量 conversation.audio.delta¶

5) 文本完成 conversation.message.completed¶

6) 语音完成 conversation.audio.completed¶

7) 对话完成 conversation.chat.completed¶

8) 对话失败 conversation.chat.failed¶

9) 错误事件 error¶

10) 流式音频提交完成 input_audio_buffer.completed¶

11) 缓冲区已清除 input_audio_buffer.cleared¶

12) 输出被中断 conversation.chat.canceled¶

4. 大模型 + TTS 服务参考 API（文本输入 WebSocket）¶

4.1 时序¶

4.2 建连信息¶

4.3 上行事件¶

1) 提交文本 input_text¶

2) 打断输出 conversation.chat.cancel¶

4.4 下行事件¶

5. MCP（Model Context Protocol）设备控制¶

5.1 操作步骤¶

5.2 示例界面¶

6. coze 插件对接¶

6.1 生成插件¶

6.2 配置对话流¶

6.3 配图参考¶

调用AI模型时提示"not authorized"错误怎么办？¶

知识库文档必须上传两个吗？¶

智能体平台如何添加自定义模型？¶

智能体平台是否支持自建大模型服务器？¶

如何在智能体平台配置VLLM模型？¶

如何在智能体平台配置Xinference模型？¶

智能体平台响应延迟问题¶

如何修改智能体人设名称？¶

智能体二维码绑定流程说明¶

如何控制大模型只回答与当前问题相关的内容？¶

1) 流式上传音频片段 `input_audio_buffer.append`¶

2) 提交音频缓冲区 `input_audio_buffer.complete`¶

3) 清除缓冲区音频 `input_audio_buffer.clear`¶

4) 打断智能体输出 `conversation.chat.cancel`¶

1) 建立连接 `chat.created`¶

2) 对话开始 `conversation.chat.created`¶

3) 文本增量 `conversation.message.delta`¶

4) 语音增量 `conversation.audio.delta`¶

5) 文本完成 `conversation.message.completed`¶

6) 语音完成 `conversation.audio.completed`¶

7) 对话完成 `conversation.chat.completed`¶

8) 对话失败 `conversation.chat.failed`¶

9) 错误事件 `error`¶

10) 流式音频提交完成 `input_audio_buffer.completed`¶

11) 缓冲区已清除 `input_audio_buffer.cleared`¶

12) 输出被中断 `conversation.chat.canceled`¶

1) 提交文本 `input_text`¶

2) 打断输出 `conversation.chat.cancel`¶