智能体的设计与实现通常涉及以下几个步骤：
生物医药小助手智能体是由 1 个工作流和 6 个数据库实现的。工作流的设计比较简单，包括一个输入，对接知识库，搭载豆包 function call 大模型，最后是一个输出。6 个数据库分别是公众号发表过的文章、执业药师教材（做第一个知识库时应分开成两个数据库）、执业医师讲义、药监局新药审评报告、中国医药企业融资动态、药物对外授权（BD）动态、全球药物销售额。工作流相对简单，难点在于收集知识库的资料并根据清洗结果进行手动二次校对（需要一定专业知识）。在医疗领域，为保证回答的准确性，提示词中约定回答只能来自于知识库，因为大模型的语料来源庞杂，虽广度较好，但在医疗这个严肃领域，精准优先。
智能体流通常分为两大类：对话流和工作流。对话流侧重于多轮交互，而工作流则关注任务的一次性执行。
设计和实现一个智能体通常涉及以下几个步骤：1.定义目标：明确智能体需要实现的目标或任务。2.感知系统：设计传感器系统，采集环境数据。3.决策机制：定义智能体的决策算法，根据感知数据和目标做出决策。4.行动系统：设计执行器或输出设备，执行智能体的决策。5.学习与优化：如果是学习型智能体，设计学习算法，使智能体能够从经验中改进。
这个智能体是由1个工作流+6个数据库实现的。工作流的设计比较简单，一个input，对接知识库，然后搭载豆包function call大模型，最后是一个output。6个数据库分别是我的公众号发表过的文章+执业药师教材（做第一个知识库的时候没经验，其实应该分开成两个数据库）、执业医师讲义、药监局新药审评报告、中国医药企业融资动态、药物对外授权（BD）动态、全球药物销售额。工作流是非常简单的，相对有难度的是收集知识库的资料并根据清洗结果进行手动二次校对（需要一定专业知识）。也许有人要问，医药知识我直接问大模型不好吗？大模型的语料来源庞杂，广度一定是比智能体好很多的，但是在医疗这个严肃领域，对回答准确性的要求非常高。为了避免出现误导性的回答，我在提示词中约定了回答只能来自于知识库。也许有问题超出知识库范畴的情况，但还没发现智能体回答是医学上不严谨的现象。广or精准，在医疗领域一定是精准优先的。
接下来，我们来探讨智能体流，这是一种多智能体系统的工程实现方式。智能体流通常分为两大类：对话流和工作流。对话流侧重于多轮交互，而工作流则关注任务的一次性执行。