当前位置：首页 > news >正文

智能体开发基础

news 2025/10/16 11:52:18

一、什么是智能体？

二、如何创建一个智能体？

三、智能体模式选择

1、单 Agent（自主规划模式）

2、单 Agent（对话流模式）

3、多 Agents 模式

模式对比总结：

四、模型设置与优化

1、模型选择

2、模型工作原理

1. 数据准备预处理（Data Preparation）

2. 模型训练（Model Training）

3. 模型推理（Model Inference）

4. 对齐与微调（Alignment & Fine - Tuning）

3、模型参数配置

五、提示词编写指南

1、提示词的本质与分类

交互场景对比

2、系统提示词结构化设计

3、提示词优化策略

1. 角色设定精细化

2. 技能模块扩展

3. 约束条件强化

六、智能体的调试与发布

1、预览调试

2、发布部署

七、用户体验优化

1、开场白（开场白文案）

设计要点

2、用户问题建议（开场白预置问题）

一、什么是智能体？

智能体是基于大型语言模型（LLM，Large Language Model）构建的智能实体，它拥有自主感知环境、分析数据并执行目标任务的能力。
与传统的自动化工具相比，智能体的核心优势在于其强大的主动适应能力。传统自动化工具如同配置好的饮料机，仅能依据预设规则执行任务，整个过程缺乏用户反馈的参与，无法根据实际情况进行动态调整。
而智能体则更像是店里的饮料师，它以用户反馈为驱动，整个过程是一个双向互动且持续学习的过程。智能体能够根据用户的实时反馈不断优化自身策略，最终为用户提供个性化的产品或服务。

智能体应用场景与案例：更多详细的应用场景与实际案例，可访问客户案例 - 扣子。

接下来，我们将按照如下的特定顺序，深入学习扣子智能体的相关知识。

二、如何创建一个智能体？

注册与认证：访问主页 - 扣子，使用抖音账号或手机号注册账号，并完成实名认证（具体操作可参考上一篇博客的环境准备内容）。

创建智能体：进入“工作空间”→“项目开发”→点击左上角“创建智能体”，此时有两种创建方式可供选择：

标准创建：手动填写智能体的名称（例如“电商客服助手”）、功能描述（例如“7×24 小时解答产品咨询，提供价格对比和库存查询”），并上传或生成智能体的图标。通过这种方式，我们可以精确地定义智能体的基本属性和功能定位。
AI 创建：输入需求描述（例如“帮我创建一个能生成旅游攻略的智能体”），系统将自动生成智能体的基础配置。这种方式更为便捷，适合对智能体功能有初步设想但希望快速获得初步方案的场景。

完成上述步骤后，点击生成或者确认，一个最简单的智能体便创建成功了。

三、智能体模式选择

智能体提供了三种可供选择的模式：单 Agent（自主规划模式）、单 Agent（对话流模式）和多 Agents 模式。

下面，我们将通过一个全家周末一日游的小例子，详细介绍这三种模式的使用特点以及各自的适用场景。

1、单 Agent（自主规划模式）

定义：单个智能体独立承担并完成任务，其架构简单明了，适用于流程固定、逻辑单一的场景。

生活比喻：委托给一个能干的总秘书。我们只需创建一个智能体（Agent），它内部具备强大的自主规划和推理能力。我们只需向它传达一个最终目标，它便会自行拆解任务步骤、调用相关工具，逐步完成整个任务。

例子说明：

用户指令：你对“总秘书”说：“帮我们全家规划一个本周六的一日游，预算 1000 元，老人孩子都能参与，晚上 8 点前要到家。”

总秘书（自主规划模式）的思考和行为过程：

规划阶段：“主人给了个复杂任务。我需要先确定景点，再安排交通，然后找餐厅，最后计算时间和预算。”

执行阶段：

调用工具：它首先调用地图 API，搜索“城市周边适合家庭景点”。
筛选景点：经过筛选，得出“动物园”和“植物园”两个选项。
再次调用工具：接着调用天气 API，发现周六下雨，于是排除动物园，选择植物园（因为有室内场馆）。
继续规划：根据植物园的位置，调用交通 API 规划公交路线，调用美食 API 查找园区内和周边的家庭餐厅，并估算每一项的费用。
回复阶段：最后给你一个完整的方案：“建议去植物园。上午 9 点出发，坐地铁 5 号线...中午在园内的‘绿光餐厅’用餐...总费用约 900 元。”

一句话总结：你只需下达最终指令，智能体便会自行思考、决策，并调用各种工具完成任务。这种模式适合目标明确但实现路径复杂的任务。

2、单 Agent（对话流模式）

定义：通过预设多轮对话流程引导用户完成任务，支持条件分支、上下文记忆和动态交互。

生活比喻：和一个严格按照 checklist 行事的助理沟通。你创建的单个智能体，其行为流程完全由你预先设计好的“对话流”决定。这就像一个流程图，每一步该问什么、该做什么都是固定的，具有较高的确定性，但灵活性相对较低。

例子说明：

启动智能体：你启动了一个“出游规划助手”（对话流模式）。

固定行为流程：

第一步：它会严格按照设定问你：“请问您的出游预算是多少？”（你必须先回答这个问题）
第二步：你回答“1000 元”后，它接着问：“出游人员有老人或小孩吗？”（你必须再回答这个问题）
第三步：你回答“有”后，它再问：“你偏好自然风光还是人文历史？”
生成方案：等你按部就班地回答完所有预设问题后，它才会调用一次工具，生成一个标准化的方案给你。

特殊情况：如果你在第一步突然问：“周六天气怎么样？”它会很困惑，因为它当前的流程卡在“问预算”这一步，不会跳出流程去查天气。

一句话总结：它类似电话里的语音客服，严格按脚本提问，引导你一步步提供信息，最后给出结果。这种模式适合流程标准化、需要引导用户的场景。

3、多 Agents 模式

定义：多个智能体协同工作，通过分工处理复杂任务，常见的架构如“分诊 Agent + 专业 Agent”。

协同方式：

主从模式：主控 Agent 接收用户请求，然后将任务分配给专业 Agent。例如在“电商客服系统”中，分诊 Agent 识别用户意图后，将“产品咨询”分配给营销 Agent，将“投诉”分配给售后 Agent。
平等模式：多个 Agent 并行处理不同的子任务，然后将结果汇总后生成最终回复。例如在“数据分析智能体”中，数据采集 Agent、清洗 Agent 和可视化 Agent 协同工作。

生活比喻：组建一个专家委员会。你创建多个智能体，每个智能体扮演不同的专家角色，它们通过协作、讨论（甚至辩论）来共同解决一个复杂问题。

例子说明：

组建专家群：你不再只和一个助手沟通，而是拉了一个群，里面有三位专家：

交通规划专家：精通路线和时间管理。
美食娱乐专家：熟知餐厅和景点玩法。
财务预算专家：擅长控制成本和分配预算。

用户指令：你只需要在群里说一句最初的指令：“规划一下周六的家庭日。”

委员会工作过程：

美食娱乐专家提议：“去新开的野生动物园怎么样？”
交通规划专家反对：“不行，周六那边肯定大堵车，带着老人孩子不方便。我建议去坐游船，码头离得近。”
财务预算专家计算：“游船套餐三人要 1200 元，超预算了。我们可以只买船票，自己带午餐，这样能控制在 1000 以内。”
达成一致：经过几轮这样的讨论和权衡，最终他们达成一致，由主席（或您自己）汇总出一个最优方案给你。

一句话总结：多个智能体各司其职，从不同专业角度评估问题，通过协作或辩论得出更全面、更平衡的方案。这种模式适合极其复杂的任务。

模式对比总结：

模式	生活比喻	特点	适用场景
单 Agent（自主规划）	能干的总秘书	自我驱动，思考型。你给目标，它自己拆解和执行。	目标明确但路径未知的复杂任务，如深度数据分析、复杂规划。
单 Agent（对话流）	按清单行事的助理	流程固定，引导型。你跟着它的步骤走，一步步提供信息。	客服、信息收集、标准化流程处理（如订餐、预约）。
多 Agents	专家委员会	协作讨论，群策群力。多个专家共同决策，结果更均衡。	需要多角度权衡的复杂决策，如产品设计、战略规划、创意 brainstorm。

在后续的学习过程中，由于我们会创建多个智能体，且每个智能体的案例场景相对单一，所以我们的智能体都选择单 Agent（自主规划模式）。

四、模型设置与优化

1、模型选择

Coze平台支持多种国内主流大模型（仅支持国内大模型，国外模型因审核原因未接入），不同模型各具特色，以下将详细介绍各模型的优势、适用场景以及使用时的注意事项。

模型	优势	适用场景	注意事项
DeepSeek系列	DeepSeek系列大语言模型由深度求索公司精心打造，采用先进的混合专家（MoE）架构，在高效推理和低成本部署方面表现卓越。 1、推理能力突出：在数学推理和代码生成任务上展现出接近GPT - 4的优异水平。 2、成本优势显著：推理成本仅为传统模型的1/4，API价格低至GPT - 4 Turbo的1/70，大大降低了使用成本。 3、部署灵活便捷：支持本地化部署，最低仅需2核CPU + 4GB内存即可运行，对硬件要求相对较低。 4、开源生态丰富：采用Apache 2.0开源协议，GitHub社区活跃度高，插件资源丰富。	1、编程辅助：可用于代码生成、调试和优化，助力开发者提高工作效率。 2、数据分析：擅长处理复杂逻辑推理和数学计算，为数据分析工作提供有力支持。 3、学术研究：适用于论文写作和文献分析，帮助学者快速获取和整理信息。 4、企业级应用：可用于智能客服和自动化办公，提升企业的服务效率和管理水平。	1、中文优化有限：需额外进行微调，以更好地适应中文语境，提高中文理解和生成的准确性。 2、多模态支持弱：需依赖插件才能实现图像和语音处理功能，增加了使用的复杂性和成本。 3、资源消耗较高：大参数模型对硬件要求较高，在部署和运行时可能需要更多的计算资源。
豆包系列	豆包系列大语言模型由字节跳动开发，分为多个版本，其中豆包1.5 Pro和豆包 - seed1.6是Coze平台常用模型，针对中文场景进行了深度优化。 1、中文理解能力强：对中文语义和文化背景理解准确，能够更好地处理中文相关的任务。 2、响应速度快：平均响应时间在300ms以内，适合实时交互场景，如在线客服等。 3、Function Call表现优异：工具调用准确率高，适合工作流程自动化，提高工作效率。 4、生态整合好：与字节系产品（飞书、抖音）无缝对接，方便用户在不同平台间进行数据共享和协同工作。	1、智能客服：能够流畅自然地进行中文对话，为用户提供优质的客服服务。 2、内容创作：可用于文案生成和编辑，帮助创作者快速产出高质量的内容。 3、语音交互：语音识别和合成精度高，适用于语音交互场景，如智能语音助手等。 4、企业办公：可用于文档处理和数据分析，提升企业办公效率。	1、长文本处理弱：上下文窗口有限，不适合处理超长篇文档，在处理长文本时可能会出现信息丢失或理解不准确的问题。 2、开源程度低：定制化能力受限，用户难以根据自身需求对模型进行深度定制和优化。 3、多语言支持有限：主要优化中文场景，对其他语言的支持相对较弱，在国际业务中的应用可能会受到一定限制。
通义千问	通义千问是阿里巴巴达摩院开发的大语言模型，最新版本Qwen3支持128K上下文窗口和多模态处理。 1、长文本处理能力强：支持128K tokens上下文，适合进行文档分析，能够处理大量的文本信息。 2、多模态支持：原生支持文本、图像、语音输入输出，可实现多模态内容的生成和处理。 3、多语言能力：支持119种语言，国际化应用友好，适用于跨国业务和多语言环境下的应用。 4、部署成本低：激活参数仅为传统模型的1/3，降低了部署成本，适合在资源有限的环境下部署。	1、企业知识库：可用于长文档检索和问答，帮助企业快速构建和管理知识库。 2、多模态内容生成：能够生成图文并茂的内容，满足多样化的内容创作需求。 3、跨国业务：适用于多语言客服和内容翻译，为企业开展跨国业务提供支持。 4、边缘设备部署：可在低资源环境下的本地化运行，适用于物联网设备等边缘设备。	1、推理速度较慢：在处理长文本时响应时间延长，可能会影响用户体验和实时性要求较高的应用场景。 2、数学能力有限：在复杂计算任务中表现一般，对于需要高精度数学计算的应用可能不太适用。 3、开源协议限制：部分高级功能需商业授权，限制了用户对模型功能的全面使用和定制。
文心一言	文心一言是百度开发的大语言模型，2025年推出的文心大模型4.5版本在中英文理解和垂直领域表现突出。 1、中文语义理解精准：在医疗、教育等垂类领域表现优异，能够准确理解和回答相关领域的专业问题。 2、知识覆盖全面：百科知识和专业领域知识丰富，为用户提供全面的信息支持。 3、安全合规：符合国内数据安全标准，保障用户数据的安全和隐私。 4、工具生态完善：内置丰富的行业解决方案，方便用户快速应用和部署。	1、医疗健康：可用于医学知识问答和辅助诊断，为医疗行业提供智能支持。 2、教育培训：适用于个性化学习和辅导，帮助学生提高学习效果。 3、政务服务：可用于政策解读和政务问答，提升政务服务的效率和质量。 4、内容审核：可进行文本合规性检查，确保内容符合相关法规和政策要求。	1、推理成本高：API调用费用较高，增加了使用成本，对于预算有限的用户可能不太友好。 2、开源程度低：定制化能力有限，用户难以根据自身需求对模型进行深度定制和优化。 3、国际支持弱：多语言能力有待提升，在国际市场上的应用可能会受到一定限制。

2、模型工作原理

大模型的工作原理可以通过一个形象的比喻来理解，假设大模型相当于同学们班里的“学霸”，其工作过程主要分为以下四个步骤：

1. 数据准备预处理（Data Preparation）

相当于：“给学霸准备海量的复习资料”。在训练之前，模型需要大量的数据作为学习基础，但这些数据不能是原始、杂乱无章的。

具体操作：

数据收集：从互联网、书籍、代码库等渠道收集巨量的文本数据，数据量通常达到TB甚至PB级别。
数据清洗：去除重复、低质量和有害的内容，确保数据的质量和准确性。
数据格式化：将所有文本转换成统一的格式，方便模型进行处理。
分词处理：将句子拆分成模型能理解的更小单元（称为“Token”），例如单词或词根。例如，句子“I don't like apples”会被分词为“[I, don, ', t, like, apples]”。

目标：得到一份干净、庞大、可供模型“阅读”的文本数据集，为后续的模型训练提供高质量的数据支持。

2. 模型训练（Model Training）

相当于：“学霸疯狂阅读并做完形填空练习”。这是模型训练过程中最核心、最耗计算资源和时间的步骤，其核心是自监督学习。模型能够自主从数据中学习语言的内在规律和知识，无需依赖人工标注。

具体操作：

任务设计：采用“遮蔽语言模型”任务。例如，把一句话“今天天气真好，我们一起去公园吧”中的“公园”一词遮住，变成“今天天气真好，我们一起去____吧”。
预测与纠错：让模型根据上下文“今天天气真好，我们一起去”来预测被遮住的词是什么。它可能会猜“散步”、“打球”、“公园”等，并给出每个词的概率。
参数调整：模型一开始的预测可能是不准确的，猜错后，它会通过一种叫做“反向传播”的算法，微调其内部数百万、乃至万亿个“参数”（可以理解为脑细胞之间的连接强度和方式）。每次调整都让它对语言的理解更精准一点。

目标：通过海量重复上述过程，让模型的“参数”调整到最佳状态，使得它能够非常准确地根据上下文预测下一个词（Token），从而掌握语言的内在规律和知识。

3. 模型推理（Model Inference）

相当于：“你们向学霸提问，他现场作答”。训练好的模型就可以用来为用户服务，这个过程就叫推理。根据用户输入的提示词（Prompt），自动生成对应的响应内容（Completion）。

具体操作：

理解输入：模型将用户的输入（提示词 - Prompt）进行分词等处理，以便更好地理解用户的意图。
迭代生成：
- 模型从用户给的最后一个词开始，基于它学到的所有规律，计算下一个最可能出现的词是什么。
- 把这个新生成的词加到原来的句子上，形成新的上下文。
- 再基于新的上下文，预测再下一个词。
- 如此循环往复，就像一个“逐词接龙”，直到生成一个完整的回答或达到长度限制。

目标：快速、流畅地生成符合用户要求和上下文逻辑的文本，为用户提供准确、有用的回答。

4. 对齐与微调（Alignment & Fine - Tuning）

相当于：“告诉学霸，不能光炫技，要好好说话、有帮助、无害”。一个只知道预测下一个词的模型，可能会生成无用、有害或不准确的回答，因此需要一个“打磨”过程，让它更符合人类的价值观和偏好。使模型输出更加安全可靠、实用有效且符合预期目标。

具体操作：

监督微调：雇佣人类专家，编写高质量的问答对（例如：“问：天空为什么是蓝色的？答：因为瑞利散射...”），用这些数据进一步训练模型，教它“应该如何回答问题”。
人类反馈强化学习：这是更关键的一步。
- 让模型对同一个问题生成多个答案。
- 人类评审员对这些答案从好到坏进行排序。
- 训练一个“奖励模型”来学习人类的偏好。
- 用这个奖励模型去指导原始大模型进行优化，让它倾向于生成能被奖励模型打高分的回答（即人类更喜欢的回答）。

目标：确保模型不仅“聪明”，而且“善良、有用、诚实”，生成符合人类价值观和需求的回答。

3、模型参数配置

在使用大模型时，不同的参数配置会导致不同的输出结果。通过合理调整模型参数，可以优化输出效果，以下是对大模型核心参数的详细说明：（参数的调整会对应消耗可用资源点的数量，性能越好，消耗越多）

1. Temperature（温度）：控制输出随机性，取值范围为0~1。

低值（0.1~0.3）：输出更确定，适用于需要准确、稳定回答的场景，如专业领域的问答。
高值（0.7~0.9）：输出更多样，适用于创意写作、头脑风暴等需要丰富想象力和多样性的场景。
影响：调整Temperature值的大小，最终产生的结果会不同。较低的温度会使模型更倾向于生成常见、确定的回答；较高的温度会使模型生成更具创意和随机性的回答。

2. 上下文轮数：保留对话历史的轮次，默认一般为3轮。该参数影响模型的上下文理解能力。

作用：较多的上下文轮数可以让模型更好地理解对话的上下文信息，生成更符合语境的回答；但过多的轮数可能会增加模型的计算负担，降低响应速度。

3. 最大回复长度：控制输出token数，避免生成超长回复。

意义：通过设置最大回复长度，可以限制模型生成回答的长度，防止生成过长或冗余的内容，提高回答的简洁性和针对性。

五、提示词编写指南

1、提示词的本质与分类

提示词是人与大型语言模型（LLM）交互的核心媒介，其作用类似于指令集或操作手册。

根据应用场景，提示词可分为系统提示词与用户提示词两大类。为便于理解，我们以"AI奶茶店"为隐喻展开说明：

系统提示词 = 《员工培训手册》

在后台运作中，店长制定的《员工培训手册》即相当于系统提示词。你看不到这本手册，但它时时刻刻都在规范着店员的行为。 它通过结构化规则定义AI模型的行为框架，包含以下核心要素：

身份设定（Role）："你作为'快乐奶茶专家'，需以热情、耐心的态度服务，并全面掌握产品知识。"
行为准则（Behavior）："必须主动问候：'您好，欢迎光临！'；复述订单确认细节；交接时需说：'这是您的奶茶，祝您愉快！'"
技能边界（Capability）："仅可制作菜单内饮品，对定制需求应推荐相近选项，禁止自行创新配方。"
安全规范（Safety）："禁止使用过期原料；对非业务问题（如'如何修电脑'）应礼貌拒绝并引导回点单。"

用户提示词 = 顾客订单

当顾客走到柜台说出需求时，即构成用户提示词。例如："请给我一杯大杯冰珍珠奶茶，三分糖，加双份椰果。"

交互场景对比

场景要素	系统提示词（手册）	用户提示词（订单）
核心作用	定义"如何做"（行为规范）	定义"做什么"（具体指令）
可见性	隐藏（后台规则）	显性（用户直接输入）
特性	全局性、持续性（影响全程对话）	具体性、一次性（针对当前请求）
缺失影响	当前仅提供系统提示词（手册），尚未开放用户提示词（订单）功能：店员行为规范但不知具体任务	用户仅提供输入（订单），系统无预设指令（手册）：店员可能机械执行或无法理解需求

2、系统提示词结构化设计

优质系统提示词需包含角色定义、目标设定、约束条件、执行流程和示例指引。推荐采用CO-STAR框架进行系统化构建：

模块	说明	示例（电商客服场景）
Context	任务背景与上下文	"作为电商客服，需解答iPhone 17 Pro Max咨询，知识库包含最新价格与库存"
Objective	核心目标	"准确回答价格及发货时间，推荐适配配件"
Steps	执行步骤	"1.识别问题类型；2.检索知识库；3.用亲切语气整理回复"
Tone	语言风格	"口语化表达，使用'亲~''呢'等语气词"
Audience	目标用户	"20-35岁价格敏感型消费者"
Response	输出格式	"价格：XXX元\n库存：XXX件\n推荐配件：XXX（链接）"

注：实际应用中可根据场景需求灵活调整框架组合

3、提示词优化策略

1. 角色设定精细化

✘ 反面案例："你是诗人"（过于抽象）

✔ 正面案例："你作为才情横溢的诗人，擅长通过精妙构思与优美文字创作七言绝句。能以凝练语言营造独特意境，传递深刻情感。"（赋予人格化特征）

2. 技能模块扩展

技能定义决定模型能力边界，实现从"知识输出"到"功能执行"的跨越：

无技能状态：仅依赖预训练知识回答。如询问天气时可能回复"根据历史数据推测..."
添加天气查询技能：可调用实时API返回精确预报，实现功能落地

3. 约束条件强化

通过规则限制确保输出质量与合规性：限制的作用是确保智能体言行得当，避免出现不当言论或行为偏差，使其始终符合角色设定与法律法规要求，从而提供安全可靠的服务。

优化前提示词（效果差）："你是诗人"

优化后提示词（效果优）：

通过结构化设计，可使AI模型在明确的行为框架内提供更精准、可靠的交互体验。实际应用中需根据具体场景持续迭代优化提示词体系。

六、智能体的调试与发布

1、预览调试

在智能体开发过程中，预览调试环节至关重要，它能帮助开发者及时发现并修正问题，确保智能体在实际应用中能够准确、流畅地运行。
具体操作如下：开发者可在界面右侧找到“预览与调试”面板，在该面板的输入框中输入测试问题，例如“请问计算机专业大学生都要学什么课程？”输入问题后，仔细检查智能体给出的回复。
不仅要关注回复内容的准确性，确保所提供的信息符合实际情况且无错误，还要检查整个回复流程的完整性，包括是否涵盖了所有关键要点、逻辑是否清晰等。通过这种方式，开发者可以对智能体的性能进行初步评估和调整。

2、发布部署

当智能体完成开发和调试，达到预期效果后，即可进行发布部署操作，使其能够在实际平台上为用户提供服务。
具体步骤如下：首先，点击界面右上角的“发布”按钮，此时会弹出选择目标平台的窗口。在窗口中，开发者可以根据实际需求选择合适的发布平台，如微信公众号、抖音、飞书等。选择好目标平台后，需要填写发布记录。
发布记录应包含版本号和版本描述，例如“V1.0：初始版本，支持产品咨询”，这样有助于后续对不同版本进行管理和追踪。完成发布记录填写后，按照平台要求完成授权操作，授权成功后，智能体即可正式上线，为用户提供服务。

七、用户体验优化

1、开场白（开场白文案）

开场白是用户与智能体初次接触时的第一印象，设计一个符合一般沟通习惯的欢迎话术至关重要。
一个好的开场白能够快速建立与用户之间的亲切感，引导用户自然地表达需求，同时还能自然地融入品牌服务特色，让用户在第一时间了解智能体的功能和价值。

设计要点

语气风格：在语气风格方面，应避免使用过于正式、生硬的语言，如“您好，请问需要什么帮助？”。可以采用“亲~”“哈喽~”等网络化称呼，并搭配波浪号“~”来增强活泼感，使智能体显得更加亲切、友好，拉近与用户之间的距离。
内容结构：开场白的内容结构应包含问候语、服务身份暗示和需求引导三个部分。问候语用于表达对用户的友好和关注；服务身份暗示能够让用户快速了解智能体的功能和定位；需求引导则鼓励用户主动表达自己的需求。此外，还可以结合实时促销活动，轻量植入相关信息，如限量赠品提示等，但要注意避免信息过载，以免影响用户体验。

示例：以下是一个以诗歌创作为主题的智能体开场白示例：

这段开场白首先以亲切的问候语“您好”开场，接着表明自己的身份是“专属诗友「砚卿」”，并运用富有诗意的语言描述了自己的服务内容，即用四句七言勾勒各种场景。
然后通过“请君赐一主题”引导用户提出需求，并列举了一些可能的主题供用户参考，最后再次询问用户的具体需求，整个开场白既亲切又富有吸引力，能够很好地引导用户与智能体进行互动。