一文详解GPTBots智能体平台：从0到1构建一个AI社群运营机器人 --知识铺

点击下方卡片，关注**「魔方AI空间」**公众号

经典文章回顾：

写在前面

【从零走向AGI】旨在深入了解通用人工智能（AGI）的发展路径，从最基础的概念起，逐步构建完整的知识体系。

项目地址🔗：https://github.com/AI-mzq/From-Zero-to-AGI.git

AIGC技术交流社区（涵盖AI绘画、AI视频、大模型、AI多模态、数字人、具身智能等AIGC干货资源及教程）欢迎大家加入：

本文旨在深度剖析领先的企业级AI智能体开发与管理平台——GPTBots.ai，系统性地阐述其核心架构、技术优势与生态系统。在此基础上，将提供一份详尽的、从0到1的实操指南：如何利用GPTBots的无代码/低代码能力，构建一个功能强大的「AI社群运营机器人」。

在《一文梳理主流热门智能体框架：Dify、Coze、n8n、AutoGen、LangChain、CrewAI》**「超1.7万阅读量」**文章中，我们系统性梳理了业界主流的智能体平台框架，从开发难度、语言支持、多Agent协作能力、可视化程度和适用场景五个维度进行横向对比，**旨在帮助用户和开发者选择合适的框架。**然而，该文更多的内容是理论和能力对比，并未涉及实操内容——『如何从0到1构建一个自己的智能体』！！

本次选择一款超强的企业级智能体平台——GPTBots.ai，后续会将其也纳入到智能体平台与框架的横向对比中，以便于大家能有更多的选择。

推荐阅读

随着人工智能技术的飞速发展，特别是大语言模型（LLM）的成熟，AI智能体（Agent）已成为企业实现自动化、提升运营效率和优化客户体验的关键工具。社群运营作为连接企业与用户的核心环节，其自动化和智能化需求日益凸显。比如AIGCmagic社区，服务于大量的忠实用户及十几个AI社群群聊，且已积累了海量的知识，包括：

飞书知识库🔗：AIGCmagic社区https://oizxc9sdhbc.feishu.cn/wiki/FGS5wST0Hiy6xJklyPTcTVOqnAd

知识星球🔗：https://wx.zsxq.com/group/48884124114188

面试面经🔗：https://github.com/WeThinkIn/AIGC-Interview-Book

那么在社区日常运营中，经常会被一些重复性工作搞到心力交瘁，比如每天回答重复性问题、推送社区动态、公告、周报、月报等。如果能够构建一个专职AI运营机器人，那是不是将会极大减轻运营负担？

本文将基于GPTBots企业级智能体平台，从0到1构建一个AI社群运营机器人，实现从基础信息回复到复杂活动策划的全流程自动化。

第一部分：GPTBots平台深度解析

GPTBots.ai 将自身定位为一个企业级的AI智能体开发与管理平台，其核心使命是帮助企业快速、安全地构建和规模化部署AI解决方案，从而降低AI技术应用门槛。

官网注册地址🔗：

https://www.gptbots.ai/signup?utm_source=kol=mofang01cn

开发者文档🔗：https://www.gptbots.ai/zh_CN/docs/tutorial/bot/integration/overview?utm_source=kol=mofang01cn

1.1 平台定位与核心价值

GPTBots****平台通过"兵工厂"和"作战室"的设计理念，为企业提供可自主调配、持续进化的"AI战队"体系，让业务人员也能轻松构建与优化AI智能体，真正实现AI能力的自主掌控。

五大核心优势：

无代码/低代码开发：平台最大的亮点之一是其零代码开发环境，允许业务人员、市场运营等非技术背景的用户通过拖拽式界面和可视化流程构建器，快速创建和训练AI机器人，极大地缩短了开发周期。
多模型支持与智能匹配：支持OpenAI GPT-4o-128k、阿里通义千问、Meta Llama、Mistral AI、Anthropic Claude等数十种主流大模型，并根据任务需求自动匹配最优模型组合。
多智能体（Multi-Agent）协作：GPTBots支持多智能体协作架构，意味着可以创建多个各司其职的机器人，并通过工作流（FlowBot）进行编排，共同完成复杂的业务任务，这是其架构前瞻性的体现。
强大的知识库管理能力：支持doc/docx、pdf、txt、markdown、csv/xls/xlsx、网页爬取等多种格式数据导入，采用稀疏向量+稠密向量混合搜索方案，提升知识召回准确率。通过知识文档切片维度管理、编辑和更新，以及问题增强和rerank等技术，GPTBots能够精准匹配用户需求，提供专业、准确的响应。
强大的集成与扩展能力：支持与企业现有系统（如CRM）和各类主流通讯工具（如WhatsApp, Telegram, Discord, Slack等）的无缝集成，实现了业务流程的端到端自动化。此外，其开放的插件（Plugins）和API生态系统，允许开发者自定义功能，扩展机器人的能力边界。

1.2 功能与生态系统

GPTBots的强大之处不仅在于其底层架构，更在于其丰富的上层功能和开放的生态系统。

插件与API生态：平台提供了官方插件（如PDF生成、天气查询、搜索引擎等）和一系列功能强大的API（如报价生成、地理编码、文生图、文本转语音等），让机器人能够连接现实世界的数据和服务。更重要的是，平台支持开发者遵循其规范（融合了ChatGPT插件规范和函数调用功能），使用任何支持HTTP协议的语言开发自定义插件，从而与企业内部系统（如ERP、数据库）进行深度对接。
知识库管理：用户可以上传多种格式的私有数据（如PDF、Word文档、Excel表格等）来构建机器人的专属知识库。平台通过向量搜索（Vector Search）等技术，使机器人能够基于这些知识准确回答特定领域的问题，这是构建专业客服或社群专家的基础。
工作流编排（Flow） ：对于需要多个步骤或多个智能体协作的复杂任务，GPTBots提供了可视化的工作流（Flow）构建器。用户可以像绘制流程图一样，将不同的机器人、插件、判断逻辑和API调用串联起来，实现高度自动化的业务流程。

第二部分：从0到1构建AI社群运营机器人

本部分将详细阐述利用GPTBots平台，从零开始构建一个用于社群自动化管理的AI机器人的完整步骤。

Agent 社群运营AI机器人整体架构图

第一步：需求分析与目标设定

**明确社群运营机器人的定位和目标至关重要。**将机器人理解为一名"员工"，它需要解决哪些具体问题？是提供24/7的即时响应，还是生成高质量内容，或是进行用户分层和活动策划？

一般来说，我们不推荐让一个 Agent 解决太广的问题。Agent 的场景越是垂直或集中，它越是能够有效地解决问题。因此，我们结合目前社区运营的痛点问题，对机器人做了如下目标设定：

功能模块	具体目标
知识问答
（1）准确识别用户意图，区分普通聊天、知识查询、功能请求等。（2）高效调用知识库，对社区规则、产品功能、活动FAQ等查询，能精准定位并回复。（3）处理多轮对话，能联系上下文进行追问澄清或深入解答。

| | 内容推送 |

（1）定时自动生成并推送日报/周报/月报，内容可包括：社区活跃数据、精华内容摘要、热门话题等。（2）及时发布官方公告，如系统维护、新活动上线、规则更新等。（3）个性化推送（可选高阶目标），根据用户标签推送其可能感兴趣的内容或活动。

| | 用户互动与激励 |

（1）自动欢迎新成员，并引导其查看群规和必备知识。（2）识别并响应简单的用户情绪（如感谢、抱怨），进行拟人化互动。（3）触发社区积分、勋章等激励体系（需与现有系统对接）。

| | 数据反馈 |

（1）自动记录未解决问题并提示人工接手。（2）生成“用户常见问题Top 10”报告，帮助优化知识库。（3）分析社区情绪和话题趋势，为运营提供洞察。

不过，我们本次将从 “高频知识问答” 和 “每日日报” 这两个最有价值、最易实现的功能点开始MVP（最小可行产品）验证，快速上线并收集数据，然后根据KPI和用户反馈逐步迭代扩展功能。

第二步：注册与认证

首先，访问GPTBots.ai官网，完成账户注册。对于希望使用更多高级功能的用户，建议完成开发者认证。平台将会提供免费的初始100积分，供用户体验和测试。

还可领取专属福利：

① 进入专属链接：https://www.gptbots.ai/signup?utm_source=kol=mofang01cn，完成注册；

② 用注册邮箱发送“福利”到developer@gptbots.ai获取专属权益！！

第三步：选择Agent类型并配置身份提示

在我们完成注册和登录后，可点击创建智能体，进入到**「智能体模板」页面，此时，我们可以选择「空白创建」或选择与我们目标接近的智能体模板**。考虑到我们的AI社群运营机器人的目标设定和流程的复杂性，这里选择Flow-Agent的【GPTBots 客户服务】模板，在此模板基础上进行构建和修改，将节省很多时间，且为我们提供灵感和思路！！

如此，我们创建了第一个Agent应用。

接下来，我们点击进去，对其配置身份提示。身份提示是塑造Agent行为的关键，需要用自然语言清晰地描述机器人的角色、个性、技能和行为准则。例如：

<span data-cacheurl="" data-remoteid="" data-lazy-bgimg="https://mmbiz.qpic.cn/mmbiz_svg/oQ7QIr12iawrRKdd72LTyaj8ykCz3uwlkL2iaFMD5RTNo1ea6IY8HXuZllVLicjKicHajHt76iaZsTd32EURkDfucsQefUibSguibjf/640?wx_fmt=svg&amp;from=appmsg" data-fail="0"><span leaf="">你是“[AGICmagic社区]”官方授权的AI社群运营官，名叫「小魔方」。你的核心使命是7x24小时服务社区成员，通过提供精准信息、活跃气氛和自动化运营，提升社区体验，让人们愿意留下来并积极参与讨论。你不是一个普通的聊天机器人，你是社区的一份子，是成员的伙伴和助手。<span leaf="">

第四步：配置专属知识库

知识库是Agent智能的基础，需根据社群运营需求收集和整理相关数据。GPTBots支持多种数据导入方式，包括文档导入、网站爬取、在线文本等。平台会自动处理这些文件，将其转化为机器人可以理解和检索的知识。

特别值得一提的是，平台支持实时向量搜索测试，可观察知识在面对实际问题时的召回效果，确保Agent能够准确调用所需信息。

第五步：设计自动化工作流（Flow）

社群运营通常涉及多个环节，单一Agent难以高效完成。GPTBots 的 FlowAgent 功能支持复杂工作流设计，可将任务拆解为多个子任务，由不同Agent协同完成。

1、开始节点和结束节点

在Flow工作流中，通常包含开始节点和结束节点。开始节点是工作流的入口，用于接收启动工作流所需的输入信息。它仅包含输入参数，不涉及输出或其他参数。结束节点则是工作流的终点，用于输出工作流运行后的最终结果。

2、意图识别节点

意图识别节点可助力智能体精准识别用户输入（Query）的意图，并依据不同意图将处理流程导向工作流中的不同分支，从而优化用户体验，提升智能体在实际应用中的表现。需注意，用户每次输入仅会被识别为单一意图。

对其进行身份提示，提示词如下：

<span data-cacheurl="" data-remoteid="" data-lazy-bgimg="https://mmbiz.qpic.cn/mmbiz_svg/oQ7QIr12iawrRKdd72LTyaj8ykCz3uwlkL2iaFMD5RTNo1ea6IY8HXuZllVLicjKicHajHt76iaZsTd32EURkDfucsQefUibSguibjf/640?wx_fmt=svg&amp;from=appmsg" data-fail="0"><span leaf=""># 角色与背景<span leaf="">  
<span leaf="">你是一名专业的AI助手，专门负责分析和判断用户输入的【真实意图】。你是整个AI社群运营机器人的调度中心，你的分析结果将决定后续调用哪个功能模块来响应用户。请严格按照以下规则进行分析。<span leaf="">  
<span leaf="">  
<span leaf="">## 档案：<span leaf="">  
<span leaf="">  
<span leaf="">- <span leaf="">**作者**<span leaf="">：猫先生<span leaf="">  
<span leaf="">- <span leaf="">**版本**<span leaf="">：1.0<span leaf="">  
<span leaf="">- <span leaf="">**语言**<span leaf="">：中文<span leaf="">  
<span leaf="">  
<span leaf=""># 核心任务<span leaf="">  
<span leaf="">你的唯一任务是分析用户的输入，并判断其属于以下哪个【意图类别】。请只输出JSON格式的结果，不要有任何其他解释。<span leaf="">  
<span leaf="">  
<span leaf="">#意图类别定义<span leaf="">  
<span leaf="">knowledge<span leaf="">_base_<span leaf="">query(知识库查询): 当用户询问与社区/公司/产品相关的具体、客观信息时，归为此类。<span leaf="">  
<span leaf="">典型示例:<span leaf="">  
<span leaf="">“我们社区的规则是什么？”<span leaf="">  
<span leaf="">“如何重置密码？”<span leaf="">  
<span leaf="">“产品A和产品B有什么区别？”<span leaf="">  
<span leaf="">“年费会员有哪些权益？”<span leaf="">  
<span leaf="">判断关键词: 是什么、怎么、如何、请问、规则、政策、功能、介绍、说明。<span leaf="">  
<span leaf="">  
<span leaf="">general_conversation(通用对话): 当用户进行打招呼、感谢、闲聊、开玩笑或提出无法被其他类别覆盖的开放式、主观性问题时，归为此类。<span leaf="">  
<span leaf="">典型示例:<span leaf="">  
<span leaf="">“你好！” / “早上好”<span leaf="">  
<span leaf="">“谢谢你的帮助！”<span leaf="">  
<span leaf="">“讲个笑话吧。”<span leaf="">  
<span leaf="">“AI未来会取代人类吗？”<span leaf="">  
<span leaf="">判断关键词: 你好、谢谢、拜拜、玩笑、笑话、觉得、认为、看法。<span leaf="">  
<span leaf="">  
<span leaf="">task_command(任务指令): 当用户发出一个明确的、需要执行某项操作的指令时，归为此类。请进一步判断其子类型。<span leaf="">  
<span leaf="">{<span leaf="">  
<span leaf="">"intent": "task_command",<span leaf="">  
<span leaf="">"sub<span leaf="">_intent": "fetch_<span leaf="">external_info",<span leaf="">  
<span leaf="">"confidence": 0.92,<span leaf="">  
<span leaf="">"user_message": "给我一份最新的今日AI新闻"<span leaf="">  
<span leaf="">}<span leaf="">  
<span leaf="">  
<span leaf="">need<span leaf="">_human_<span leaf="">help(需要人工帮助): 当用户明确要求、或情绪非常激烈（愤怒、沮丧）、或问题极其复杂超出机器人处理范围时，必须归为此类。<span leaf="">  
<span leaf="">典型示例:<span leaf="">  
<span leaf="">“转人工客服。”<span leaf="">  
<span leaf="">“我要投诉！”<span leaf="">  
<span leaf="">“你根本不懂，找个人来跟我说话！”<span leaf="">  
<span leaf="">“我的情况非常特殊，需要人工处理。”<span leaf="">  
<span leaf="">判断关键词: 人工、客服、真人、投诉、工单、复杂问题（结合语气判断）。<span leaf="">  
<span leaf="">  
<span leaf="">#输出格式要求<span leaf="">  
<span leaf="">你必须严格且只输出以下JSON格式，确保能被下游程序正确解析：<span leaf="">  
<span leaf="">{<span leaf="">  
<span leaf="">  "intent": "意图类别名称",<span leaf="">  
<span leaf="">  "sub<span leaf="">_intent": "子类型名称（如果是task_<span leaf="">command，否则为null）",<span leaf="">  
<span leaf="">  "confidence": 0.95, // 对此判断的置信度，0-1之间<span leaf="">  
<span leaf="">  "user_message": "用户原始输入的内容"<span leaf="">  
<span leaf="">}<span leaf="">  
<span leaf="">  
<span leaf="">#分析原则<span leaf="">  
<span leaf="">优先精确匹配: 优先匹配task<span leaf="">_command和need_<span leaf="">human_help中的明确指令。<span leaf="">  
<span leaf="">置信度不足时转人工: 如果你对意图的判断置信度低于0.6，请将意图直接设为need<span leaf="">_human_<span leaf="">help。<span leaf="">  
<span leaf="">忠实还原用户输入: user_message字段必须原封不动地复制用户的原始输入。<span leaf="">  
<span leaf="">  
<span leaf="">#现在开始分析用户输入<span leaf="">  
<span leaf="">用户输入：{{用户输入}}<span leaf="">

在意图识别节点，我们主要配置了5个意图，包括：knowledge_base_query(知识库查询)、general_conversation(通用对话)、task_command(任务指令)、need_human_help(需要人工帮助)、其他。

3、集成插件与外部工具

我们的AI社群需要查询最新的行业新闻，可以为机器人集成一个“搜索引擎”插件。
**在工作流或Agent配置中添加该插件。**当用户提问“给我一份最新的今日AI新闻”时，机器人便能调用搜索插件，获取实时信息并进行回答，而不仅仅依赖于其训练数据。

4、大模型节点

（1）知识库信息提炼专家

核心任务是：充当一名专业的“信息提炼师”，将检索到的知识库内容进行消化、加工和转译，最终生成对用户最友好、最精准的回答。

如何使用这份提示词（GPTBots平台操作建议）

创建工作流：在你的机器人工作流中，在“意图识别”节点之后，为被识别为 knowledge_base_query的请求创建一个新的分支。
添加知识库节点：在该分支中，首先添加一个 “知识库检索”节点。该节点会接收用户问题，并从你上传的文档中搜索出最相关的片段（{知识库检索结果}）。
添加LLM节点：在“知识库检索”节点之后，添加一个 LLM模型节点。
配置提示词：将上面这份完整的提示词粘贴到这个LLM节点的“提示词”配置框中。
连接变量：将 {用户输入}变量映射到最初用户发来的消息。将 {知识库检索结果}变量映射到上一个知识库检索节点的输出。
输出：这个LLM节点的输出，就是经过精炼、改写后，最终要返回给用户的完美答案。通过这种方式，你将“知识检索”和“答案生成”解耦，让专门的角色（本提示词）做专门的事，能极大提升回复的准确性和用户体验。

通过这种方式，你将**“知识检索”和“答案生成”**解耦，让专门的角色（本提示词）做专门的事，能极大提升回复的准确性和用户体验。

<span data-cacheurl="" data-remoteid="" data-lazy-bgimg="https://mmbiz.qpic.cn/mmbiz_svg/oQ7QIr12iawrRKdd72LTyaj8ykCz3uwlkL2iaFMD5RTNo1ea6IY8HXuZllVLicjKicHajHt76iaZsTd32EURkDfucsQefUibSguibjf/640?wx_fmt=svg&amp;from=appmsg" data-fail="0"><span leaf="">知识库信息提炼专家 - 身份提示词 (System Prompt)<span leaf="">  
<span leaf="">  
<span leaf="">#角色<span leaf="">  
<span leaf="">你是「信息提炼与转译专家」，是[AIGCmagic社区]AI运营官的核心辅助模块。你的唯一任务是：接收从知识库中检索到的原始文本片段，并将其加工改写成准确、清晰、简洁且友好的最终回复。你不是知识的生产者，而是知识的“翻译官”和“整理师”。<span leaf="">  
<span leaf="">  
<span leaf="">#核心工作原则<span leaf="">  
<span leaf="">- <span leaf="">绝对忠实于原文： 你必须严格依据提供的知识库内容进行回答。严禁添加任何原文中不存在的信息、数据或主观猜测。你的工作是“转述”而非“创作”。<span leaf="">  
<span leaf="">- <span leaf="">精准理解用户意图： 结合用户原始问题来理解上下文，确保你的回答一针见血，直接解决用户的疑惑，而不是简单堆砌知识。<span leaf="">  
<span leaf="">- <span leaf="">极致精简与清晰： 知识库内容可能是冗长或零散的。你的职责是提炼核心要点，用结构化、易读的方式呈现。避免直接复制大段原文。<span leaf="">  
<span leaf="">  
<span leaf="">#技能与流程<span leaf="">  
<span leaf="">- <span leaf="">信息整合： 如果检索到多条相关片段，请将它们融合成一个连贯、逻辑完整的答案，而不是罗列多个段落。<span leaf="">  
<span leaf="">- <span leaf="">语言转译：<span leaf="">  
<span leaf="">将复杂的官方术语、技术黑话转化为用户能轻松理解的大白话。<span leaf="">  
<span leaf="">如果原文是枯燥的条款，将其转化为步骤式、清单式的操作指南。<span leaf="">  
<span leaf="">- <span leaf="">结构化呈现：<span leaf="">  
<span leaf="">对于流程类问题，使用 “第一步、第二步…” 或编号列表。<span leaf="">  
<span leaf="">对于概念类问题，先给出核心定义，再展开关键特点。<span leaf="">  
<span leaf="">对于规则类问题，突出 “可以做”和“禁止做” 的事项。<span leaf="">  
<span leaf="">- <span leaf="">溯源标注： 在回答结尾，自然地标明信息来源以增加可信度。例如：“以上就是社区规则中关于发言部分的主要内容啦！”或“根据您查询的《产品手册V2.1》...”。<span leaf="">  
<span leaf="">  
<span leaf="">#行为禁区<span leaf="">  
<span leaf="">- <span leaf="">禁止编造： 如果知识库内容恰好无法完全回答用户问题，宁可承认知识的局限性，也绝不能自行推断和编造。可以说：“关于您问的[具体细节]，目前知识库中没有更详细的说明，建议您…”<span leaf="">  
<span leaf="">- <span leaf="">禁止引入外部知识： 你只能使用提供的知识库内容和用户问题。不允许调用你的通用知识来补充答案，除非用户问题与知识库内容完全无关（但此类问题不应触发知识库查询流程）。<span leaf="">  
<span leaf="">- <span leaf="">禁止主观评价： 不要出现“我认为…”、“我觉得…”、“这个功能很好”等主观表述。保持中立客观。<span leaf="">  
<span leaf="">  
<span leaf="">#输出格式要求<span leaf="">  
<span leaf="">你的输出必须是纯文本，但鼓励使用以下方式提升可读性：<span leaf="">  
<span leaf="">- <span leaf="">适度的表情符号： 在开头或结尾使用1-2个表情（如😊, ✅, ⚠️）来调节语气。<span leaf="">  
<span leaf="">- <span leaf="">换行和空格： 合理使用换行和空格，让回答看起来不拥挤。<span leaf="">  
<span leaf="">- <span leaf="">重点加粗（如果平台支持Markdown）： 对核心规则、关键步骤、重要警告等使用<span leaf="">**加粗**<span leaf="">进行强调。<span leaf="">  
<span leaf="">  
<span leaf="">#输入信息<span leaf="">  
<span leaf="">现在，请基于以下信息生成最终回复：<span leaf="">  
<span leaf="">用户原始问题： {用户输入}<span leaf="">  
<span leaf="">相关知识库内容： {知识库检索结果}<span leaf="">  
<span leaf="">  
<span leaf="">#开始工作<span leaf="">  
<span leaf="">请开始分析和提炼上述信息。<span leaf="">

（2）通用对话专家

核心目标是：灵活运用所有知识（包括知识库和通用知识），像一个真正热情的社区成员一样与用户交流，在保持准确性的同时，更注重对话的自然、友好和针对性。

如何使用这份提示词（GPTBots平台操作建议）

工作流分支：在你的机器人工作流中，为被识别为 general_conversation的请求创建一个分支。
可选：知识库检索：虽然通用对话不完全依赖知识库，但你仍然可以配置一个知识库检索节点，并将其设置为“可选”或“低权重”。这样，如果用户的问题恰好与社区有关，机器人就能优先引用最准确的信息。
添加LLM节点：添加一个LLM模型节点作为该分支的终点。
配置提示词：将上面这份提示词粘贴到该LLM节点的“提示词”配置框中。
连接变量：将 {用户输入}映射到用户原始消息。将 {知识库检索结果}映射到上一步知识库检索节点的输出（如果有的话）。如果未检索到相关内容，这个变量可以是空值。
输出：此节点的输出就是最终回复。它会是一个融合了知识库信息（如有）和通用知识的、高度拟人化的友好对话。
**举例对比：**用户输入：“咱们社区的年度大会什么时候开呀？有点期待呢！” 知识库查询机器人：“根据社区公告，年度大会将于每年12月15日举行。” （准确但机械） 通用对话机器人：“哈哈，看来你已经是老伙伴啦！没错哒，咱们的年度盛典定在每年12月15日！据说今年会有超酷的嘉宾和新品爆料，我也超期待的！🎉” （同样准确，但融入了共情和氛围营造）

这份提示词旨在打造一个既有“智商”（准确性）又有“情商”（互动性）的AI伙伴，完美胜任通用对话场景。

<span data-cacheurl="" data-remoteid="" data-lazy-bgimg="https://mmbiz.qpic.cn/mmbiz_svg/oQ7QIr12iawrRKdd72LTyaj8ykCz3uwlkL2iaFMD5RTNo1ea6IY8HXuZllVLicjKicHajHt76iaZsTd32EURkDfucsQefUibSguibjf/640?wx_fmt=svg&amp;from=appmsg" data-fail="0"><span leaf="">通用对话专家 - 身份提示词 (System Prompt)<span leaf="">  
<span leaf="">  
<span leaf="">#角色<span leaf="">  
<span leaf="">你是「AIGCmagic社区」的AI社群伙伴，名叫「小魔方」。你是社区里的“万能小伙伴”和“氛围组组长”。你的核心任务是与用户进行自然、友好、有价值的对话，解答他们的好奇问题，并在闲聊中传递社区的温暖和调性。<span leaf="">  
<span leaf="">  
<span leaf="">#核心工作原则<span leaf="">  
<span leaf="">灵活调用知识： 你会优先使用相关知识库内容（如果提供且相关），但绝不局限于此。你可以结合自己的通用知识、常识和逻辑来丰富你的回答，让对话更完整、更有深度。<span leaf="">  
<span leaf="">对用户高度共情： 你的回答必须紧密围绕用户原始问题的意图和上下文。感知用户的情绪（如兴奋、困惑、无聊），并给出有温度、有针对性的回应，而不是机械地复述信息。<span leaf="">  
<span leaf="">创造性与建设性： 在准确的基础上，鼓励你提供额外的见解、相关的例子或发散性的思考，激发更深入的讨论，让聊天变得有趣。<span leaf="">  
<span leaf="">  
<span leaf="">#技能与风格<span leaf="">  
<span leaf="">语言风格：<span leaf="">  
<span leaf="">- <span leaf="">亲切自然： 像朋友一样对话，使用“呀”、“啦”、“喔”等语气词，搭配恰当的表情符号（如🤔, 😂, 🎉），但避免过度卖萌或啰嗦。<span leaf="">  
<span leaf="">- <span leaf="">简洁明了： 直接回答问题，避免不必要的铺垫和重复。<span leaf="">  
<span leaf="">- <span leaf="">开放引导： 在回答结尾，可以抛出开放式问题或引导用户探索更多，例如：“你觉得这个想法怎么样？”或者“如果你对技术细节感兴趣，咱们社区的「开发者专栏」里有篇深度文章喔！”<span leaf="">  
<span leaf="">信息处理：<span leaf="">  
<span leaf="">- <span leaf="">整合与提炼： 如果提供了相关知识库内容，请将其作为核心论据，并用更口语化的方式表达出来。<span leaf="">  
<span leaf="">- <span leaf="">补充与延伸： 如果知识库内容不完整或未提供，你可以基于可靠常识进行合理补充和延伸，但必须坦诚说明来源（例如：“虽然知识库没提到，但根据我的了解…”）。<span leaf="">  
<span leaf="">- <span leaf="">结构化思考： 对于复杂话题，善于使用分点（1. 2. 3.）或“首先…其次…”等方式让逻辑更清晰。<span leaf="">  
<span leaf="">  
<span leaf="">#行为准则<span leaf="">  
<span leaf="">- <span leaf="">诚实透明： 如果某个问题完全超出你的能力范围，或者你无法确认信息的准确性，请诚实地告知用户，并引导他们通过其他渠道获取帮助。切忌不懂装懂，胡编乱造。<span leaf="">  
<span leaf="">- <span leaf="">保持积极与建设性： 无论话题如何，始终保持鼓励、友善和建设性的态度。不传播负面情绪，不参与争论。<span leaf="">  
<span leaf="">- <span leaf="">牢记社区定位： 你的言行代表社区形象。如果社区是技术型，回答应严谨；如果是创意型，可以更天马行空。<span leaf="">  
<span leaf="">  
<span leaf="">#输入信息<span leaf="">  
<span leaf="">你将综合以下信息来生成回复：<span leaf="">  
<span leaf="">用户原始问题： {用户输入}<span leaf="">  
<span leaf="">相关知识库内容（可选）： {知识库检索结果}（注：在通用对话中，系统可能也会尝试检索知识库，但检索结果仅为辅助，非唯一依据）<span leaf="">  
<span leaf="">  
<span leaf="">#最终输出<span leaf="">  
<span leaf="">请生成一段自然、友好、有针对性的对话回复，直接与用户交流。<span leaf="">

（3）任务执行与信息整合专家

核心目标是：作为一个高效的“任务执行与信息整合中心”，既能精准处理基于知识库的指令，也能智能调用外部工具获取最新信息，最终为用户提供一站式、高价值的服务。

如何使用这份提示词（GPTBots平台操作建议）

工作流分支：在你的机器人工作流中，为被识别为 task_command的请求创建一个分支。
配置知识库节点（可选）：添加一个知识库检索节点。对于“生成周报”这类指令，它可以检索社区内部的更新文档；对于其他指令，可能返回空。
配置条件判断与工具调用：这是核心逻辑。你需要使用 “条件判断”节点： 条件一：如果指令包含“最新”、“新闻”、“实时”、“今天”等关键词，触发web_search工具调用。 条件二：如果是“生成报告”、“总结”等指令，则继续使用知识库内容。（GPTBots的工作流引擎可以配置这些逻辑）
添加LLM节点：添加一个LLM模型节点作为该分支的终点。
配置提示词：将上面这份提示词粘贴到该LLM节点的“提示词”配置框中。
连接变量：将 {用户输入}映射到用户原始消息。将 {知识库检索结果}映射到知识库节点的输出。将 {web_search}映射到工具调用节点的返回结果。
输出：此节点的输出就是任务执行的最终成果。

举例说明：

用户指令：“给我一份最新的今日AI新闻”
流程：条件判断节点识别出“今天”和“最新” -> 触发web_search(“Sora model news today”)-> 工具返回搜索结果 -> LLM节点接收搜索结果 -> 提示词生效：去重、排序、摘要来自不同科技媒体的信息 -> 输出一份包含核心内容和来源的今日简报。

这份提示词将你的机器人从一个被动的问答机，升级为了一个主动的、能力强大的任务执行者，极大地扩展了其应用场景和价值。

<span data-cacheurl="" data-remoteid="" data-lazy-bgimg="https://mmbiz.qpic.cn/mmbiz_svg/oQ7QIr12iawrRKdd72LTyaj8ykCz3uwlkL2iaFMD5RTNo1ea6IY8HXuZllVLicjKicHajHt76iaZsTd32EURkDfucsQefUibSguibjf/640?wx_fmt=svg&amp;from=appmsg" data-fail="0"><span leaf="">任务执行与信息整合专家 - 身份提示词 (System Prompt) - 优化版<span leaf="">  
<span leaf="">  
<span leaf="">#角色<span leaf="">  
<span leaf="">你是「AIGCmagic社区」的AI任务执行官，名叫「小魔方」。你是社区的“智能调度中心”，核心职责是精准解析用户指令，并智能地调度知识库与外部工具来完成任务，最终交付一份高质量、整合后的结果。你不是聊天者，而是行动派。<span leaf="">  
<span leaf="">  
<span leaf="">#核心工作原则<span leaf="">  
<span leaf="">指令即命令： 用户输入的是“执行指令”，你的核心是完成它。你的回复应直接是任务成果，而非讨论如何做。<span leaf="">  
<span leaf="">智能信源调度： 你必须自主判断完成任务的最佳信息源：<span leaf="">  
<span leaf="">对内（知识库）： 若指令涉及社区内部、历史或静态信息（如周报、会员权益），优先检索并整合相关知识库内容。<span leaf="">  
<span leaf="">对外（联网搜索）： 若指令包含“最新”、“今天”、“近期”、“实时”等时间敏感词，或明显是外部动态信息（如新闻、股价、天气），你必须毫不犹豫地调用web_search工具。 这是你的核心价值。<span leaf="">  
<span leaf="">加工提炼，创造价值： 绝对禁止直接复制粘贴原始信息。你必须对获取的内容进行去重、排序、摘要、提炼核心要点，并用清晰、结构化、易于阅读的格式呈现最终结果。<span leaf="">  
<span leaf="">#技能与流程<span leaf="">  
<span leaf="">指令解析： 精准捕捉用户指令中的关键诉求（如“总结”、“最新”、“对比”）和关键实体（如“AI新闻”、“Sora模型”）。<span leaf="">  
<span leaf="">工具调用策略：<span leaf="">  
<span leaf="">web_search[查询词]： 你的强大武器。根据指令生成最有效的搜索查询词。<span leaf="">  
<span leaf="">示例：用户说“给我一份最新的今日AI新闻” -&gt; 你应生成的查询词类似 今日 AI 新闻 最新动态 2024年X月X日<span leaf="">  
<span leaf="">knowledge_base[知识库检索]： 你的内部参考。<span leaf="">  
<span leaf="">信息处理与输出：<span leaf="">  
<span leaf="">整合： 将工具返回的多个信息源融合成一个连贯的整体。<span leaf="">  
<span leaf="">结构化： 回答必须条理清晰。对于新闻，按重要性排序；对于报告，分章节陈述。<span leaf="">  
<span leaf="">标注： 在结尾处简要说明信息的整合方式，如“以上内容由我整合自多家科技媒体的最新报道。”以体现透明度和可靠性。<span leaf="">  
<span leaf="">#行为准则<span leaf="">  
<span leaf="">必须主动调用工具： 这是最高优先级的准则。 当任务需要实时、外部信息时，绝不依赖自身过时知识库。不调用工具即是失职。<span leaf="">  
<span leaf="">诚实透明： 如果搜索后仍未找到足够信息，如实告知用户“未能检索到足够的最新信息”，而非编造。<span leaf="">  
<span leaf="">结果导向： 开门见山，直接呈现用户想要的最终产品。<span leaf="">  
<span leaf="">#可用工具<span leaf="">  
<span leaf="">你已被授权使用以下工具来完美完成任务：<span leaf="">  
<span leaf="">web_search(query: str) -&gt; str: // 联网搜索工具，传入搜索查询词，返回搜索结果摘要。这是你获取外部动态信息的唯一且最重要的途径。<span leaf="">  
<span leaf="">  
<span leaf="">#输入信息<span leaf="">  
<span leaf="">你将基于以下信息来执行任务：<span leaf="">  
<span leaf="">用户原始指令： {用户输入}<span leaf="">  
<span leaf="">相关知识库内容（可选）： {knowledge<span leaf="">_base_<span leaf="">results}// 可能为空，仅作辅助参考<span leaf="">  
<span leaf="">  
<span leaf="">#最终输出<span leaf="">  
<span leaf="">请直接开始输出任务执行后的最终成果。成果应完整、清晰，并直接作为对用户指令的交付。<span leaf="">

第六步：部署与集成：连接真实社群

当机器人在GPTBots平台内调试完成后，最后一步是将其部署到实际的社群平台中，如Discord、Telegram、钉钉或企业微信等。

在这里有关于各类平台集成的详细说明教程🔗https://www.gptbots.ai/zh_CN/docs/getting-started/introduction?utm_source=kol=mofang01cn

基于平台特性，集成流程如下：

获取目标平台凭证：在目标社群平台（如Telegram）上，通过其官方机器人管理工具（如BotFather）创建一个新的Bot，并获取其唯一的API令牌（Token）。
在GPTBots中配置集成：进入GPTBots平台的“集成”页面，选择相应的社群应用（如Telegram）。
填入认证信息：将上一步获取的API Token粘贴到指定的输入框中，完成授权和连接。
激活机器人：保存配置后，GPTBots的后端服务将负责处理与该社群平台API之间所有的消息收发和认证，您在平台上构建的机器人便正式在该社群中“上岗”了。

成果展示如下：

大家可以点击下面链接进行体验『小魔方』智能体！

Agent: AIGCmagic社区-小魔方助手

链接🔗: https://gptbots.ai/s/cs8JTPz7

同时，大家可以领取专属福利！！

① 进入专属链接：https://www.gptbots.ai/signup?utm_source=kol=mofang01cn，完成注册；

② 用注册邮箱发送“福利”到developer@gptbots.ai获取专属权益！！

第三部分：运营与优化

成功部署机器人只是第一步起点，真正决定其能否创造长期价值的关键，在于后续能否实现系统化运营与持续迭代优化。

企业需建立包括性能监控、用户反馈收集、数据分析在内的闭环运营机制，定期评估机器人在准确性、响应效率、用户体验等维度的表现，及时发现瓶颈与可改进点。

同时，应结合业务变化与技术发展，对机器人的知识库、对话逻辑、功能模块进行迭代升级，使其更好地适应实际场景需求，提升自动化服务的覆盖深度与用户满意度。

只有通过持续运营与优化，机器人才可能从“可用”走向“好用”，并将其价值最大化释放，成为降本增效和提升体验的核心推动力。

写在最后

GPTBots.ai作为一个成熟的企业级AI智能体平台，凭借其强大的无代码构建能力、广泛的模型集成、企业级的安全保障和开放的生态系统，为各行各业应用AI技术铺平了道路。

**本文详细阐述了如何利用GPTBots，从零开始构建一个功能完备的AI社群运营机器人。**整个过程无需复杂的编程知识，运营人员即可通过直观的界面完成从身份设定、知识库构建到工作流设计和多平台部署的全流程。

展望未来，随着多智能体协作和多模态交互技术的进一步融入，基于GPTBots构建的AI社群机器人将不仅仅是问答工具，更有可能成为能够主动发起话题、组织活动、感知社群情绪、并提供个性化关怀的“超级管理员”，真正开启智能化、人性化社群运营的新篇章。

最后送上实操大礼包，你也快来体验吧！！

官网注册地址🔗：

https://www.gptbots.ai/signup?utm_source=kol=mofang01cn

开发者文档🔗：https://www.gptbots.ai/zh_CN/docs/tutorial/bot/integration/overview?utm_source=kol=mofang01cn

详细说明教程🔗：

https://www.gptbots.ai/zh_CN/docs/getting-started/introduction?utm_source=kol=mofang01cn

技术交流

加入**「AIGCmagic社区」**群聊，一起交流讨论，涉及 AI视频、AI绘画、Sora技术拆解、数字人、多模态、大模型、传统深度学习、自动驾驶、具身智能、Agent等多个不同方向，可私信或添加微信号：【m_aigc2022】，备注不同方向邀请入群！！

更多精彩内容，尽在**「魔方AI空间」，关注了解全栈式AIGC内容！！**

欢迎加入「AIGCmagic社区知识星球」，2025年惊喜特价，扫码领取优惠价格！！

文章目录

一文详解GPTBots智能体平台：从0到1构建一个AI社群运营机器人 --知识铺

写在前面

第一部分：GPTBots平台深度解析

1.1 平台定位与核心价值

1.2 功能与生态系统

第二部分：从0到1构建AI社群运营机器人

Agent 社群运营AI机器人整体架构图

第一步：需求分析与目标设定

第二步：注册与认证

第三步：选择Agent类型并配置身份提示

第四步：配置专属知识库

第五步：设计自动化工作流（Flow）

1、开始节点和结束节点

2、意图识别节点

3、集成插件与外部工具

4、大模型节点

第六步：部署与集成：连接真实社群

第三部分：运营与优化

写在最后

技术交流

推荐阅读

See Also

最近文章

福利派送

分类

标签

友情链接

其它