笔者之前用扣子+豆包大模型开发的智能体应用“杭州中考小助手”，虽然能对接微信公众号，但还是不方便分享，因为身边的同学家长们很少有豆包APP，直接告诉用户在公众号对话窗口里咨询，总感觉有点违和也不是长久之计，毕竟咱们还是个专业的技术公众号（纯自嗨），完全被豆包托管交互也不妥，所以最近看到腾讯元宝广告满天飞，就想看看有没有更好的方案：
研究一番后，发现腾讯元宝相比豆包来说，虽然看起来差不多，甚至还没有豆包功能丰富，毕竟起步晚很多，但它除了和豆包一样有APP端、WEB端之外，还有微信小程序端，这是它的一大优势，小程序在微信分发上天然具有优势。
有了这个基本认知后，就进一步研究腾讯元宝中的智能体是怎么开发出来的，不愧是宇宙最强“借鉴”工厂，它确实有对标“扣子”的智能体开发平台叫“腾讯元器”，这名字和“元宝”不能说一模一样，只能说体系化是很到位的。
先用腾讯元器开发智能体
我们总体思路，还是先把中考分数线相关数据作为知识库，然后对接大模型就能实现简单的智能化问答查询了，这个模式用专业话术就叫做RAG“检索增强生成”，也就是利用知识库中专项和行业的知识，对通用大模型的内容生成过程进行增强。
所以首先进行知识库准备，腾讯元器中知识库相比扣子来说，有两个特色功能，一是支持上传QA问答类知识，二是支持对接你自己的公众号文章作为知识，和文心一言的知识库支持对接百度云盘文档一样，都是一种生态模式的做法，大厂最不缺就是生态了。
当然笔者的场景目前还是基于普通“文本类型”就足够了，具体知识准备、上传和处理过程就不赘述了，可以看元器的官方文档。
然后就是配置智能体，说实话腾讯元器和扣子、Dify等基本也差不多（如对扣子配置+豆包APP的模式有兴趣，可以参考笔者之前的文章），有简单的基于“Prompt”提示词模式来配置（对应零代码模式），也有非常灵活的基于工作流模式进行配置（对应低代码模式）。我们以前者为例来简单说明：
如图Prompt的核心就是基本的角色定义、技能描述等信息，随着笔者认知的增加，就越来越理解prompt对大模型和AI应用的重要性，它其实就是用语言来描述你的程序逻辑和指令要求，就不用像以前一样写代码了，刚好大模型的长处就是能够理解你写的指令描述文字，所以就能按你的要求来响应和回复用户的问题，这个特性大幅拉低AI应用的门槛。
智能体基础设定配置好以后，就要把前面准备的知识库和这个智能体对接起来，在“高级设定”中选择知识库，同时在“模型设置”这里选择好大模型版本：
如图这里大模型选择DeepSeek-R1时要斟酌下哈，和扣子的提示一样，R1这种架构就没办法FunctionCall，所以不支持工作流和和插件等高级功能的调用，如果要用这些高级功能，则可以选择腾讯自己的“混元”大模型。
完成智能体基础设定、模型设置和知识库选择后，就可以在右边进行预览和调试了，调试通过就可以发布。
再发布元宝小程序
按以上步骤发布后，在元宝APP端以及WEB端都能搜到这个智能体并使用了，但这只是常规渠道，元宝的特色在于它是支持通过小程序方式访问的，在智能体卡片点击“使用方式”这个按钮，可以看到有三种渠道：
用微信扫一扫，就能直接打开元宝小程序，并定位到具体的智能体交互入口，同时也可以直接在微信聊天时分享给好友。
用公众号菜单对接元宝小程序
虽然咱们自我标榜是一个专业技术公众号，但还是再继续分享一个小技巧“把智能体小程序对接到你的公众号菜单上去”，方便有类似运营需求的同学参考哈。
首先要在公众号后端，找到“小程序管理”这个入口，添加前面做好的小程序：
点击这个“添加”按钮后，用公众号管理员的微信扫描，会出来一个输入界面：
在这个输入框中要输入小程序的ID，这个ID从哪里来？还是在前面腾讯元器的管理端，点击相应智能体卡片的“使用方式”链接，在小程序体验下面，选择下图第二个框去复制即可。
到了这一步就把小程序添加到你的公众号了，接下来就可以在你公众号的某个具体菜单中对接这个这个小程序了，在公众号后端找到“自定义菜单”这个入口，在具体菜单的消息类型中选择“跳转小程序”，然后选择前面加入公众号的小程序，然后在路径输入框中，把上图中第一个框的内容复制过来即可。
至此点击保存并发布，就能在你的公众号主页中，看到相应菜单，用户点击该菜单，就能打开相应的小程序，并定位到相应的智能体交互入口，对于一些公众号大V来说，这样推广智能体应该是最方便的途径了。
其实笔者做这些探索，核心并不是想转型就去搞智能体开发了，而是为了搞清楚我们在支撑一些行业性的智能化业务场景时，为啥不能直接使用云端大模型，而是要私有化大模型（因为知识的安全因素），为啥不能基于AnythingLLM或Dify这类开源工具对接私有化大模型的模式，而是要进行工程化落地，所以才要针对基于云端和开源工具的RAG或智能体开发，进行深度了解和体验。
在这个了解体验过程中笔者还有两大收获，一方面是让笔者对知识库RAG、向量化嵌入Embedding、智能体Agent、思维链CoT、提示词指令Prompt、提示词工程PromptEngineering、智能体开发平台和LLMOps等概念有了体系化认知，下一步再往纵深底层技术了解，包括模型训练、微调、蒸馏Distill、量化版本等基本原理，以及底层cuda架构、vllm推理加速等基础逻辑的了解。
另一方面是触发笔者对软件研发过程和交互模式的思考，对于软件研发过程来说，未来也许真的不需要再写代码了，你把软件需要具备的能力，以prompt方式告诉大模型，大模型就能理解你的指令，按你要求产生相应界面、前后端代码、测试用例等，注意这种方式的产出还是传统软件范畴，只是把软件的研发过程智能化了而已。
更进一步的模式，则是大模型理解你的prompt后，直接生成相应的智能体，这个智能体能够根据你的要求直接响应用户的使用。
这也是软件交互模式的巨大改变，软件交互为啥一定要是GUI模式，从电脑软件到移动端APP，本质都是基于菜单点击和表单填写的GUI方式交互，无非是移动端APP交互模式从鼠标键盘变成触摸屏而已。
未来的软件交互模式，是不是可以只要一个问答框，用户的任何诉求，都通过问答框用语音或文字形式告诉智能体，智能体基于大模型理解意图后，根据对应知识库以及工作流等基础技能，就能完成相应处理操作。
现在还只是畅想一下，后续再继续深入学习继续分享，敬请期待。
—End—
