智能体构建器 · 工作流画布 · 测试运行

真正完成工作的智能体,
而不只是回答一条提示词

从一条提示词开始,或把整个任务画成工作流:找到正确的文档、推理并调用工具、核对答案、在关键时刻请人确认,然后回复。每次运行都会显示每一步做了什么、花费多少,以及为什么。

三步,从想法到可用的智能体

画出流程,配上装备,再放到真正干活的地方。

1

画出任务

选择 Simple 模式写一条提示词,或选择 Agentic 模式把任务铺成画布上的节点——检索、推理、核对、分支——从左到右依次连接。

2

配上所需的一切

把工具、技能、知识和记忆挂到智能体或某个具体节点上,并设置每条消息都要经过的护栏。

3

让它开始干活

先在画布上测试,再把它接到某个收件箱渠道、一个调度任务、作为另一个智能体的工具,或某个 MCP 客户端。

不只是带工具的提示词

一张画布,用来处理一条提示词做不到的任务。

Simple 或 Agentic

Simple 模式的智能体只是一次模型调用,加上你的系统提示词——适合问答、翻译和摘要。Agentic 模式把智能体变成一张节点图,用于需要多个步骤、且步骤之间要做决策的任务。

十六种节点

Agent、Crew、Run Agent、Code、Knowledge Retrieval、Skill Retrieval、Drive Action、Condition、Parallel、Loop、Evaluation、Human Review、Message、Send——每一种都是一张可拖到画布上、彼此相连的卡片。

自己核对自己的答案

Evaluation 节点用规则或 LLM 评审给答案打分并决定流向:Pass 就继续往下走,Retry 会把它送回智能体再试一次,最多可设定重试次数上限。

在关键处交给人

Human Review 节点会暂停运行,直到有人批准或驳回;Message 节点可以在流程继续之前,通过表单或按钮向客户询问细节。

工具、技能与知识

60 个内置工具、你自己的 HTTP API 和 Python 代码、MCP 服务器,以及把另一个智能体当作工具。技能可以注入每条提示词,也可以只在问题匹配时才注入——庞大的技能库不必在每次调用时都消耗 Token。

浏览工具目录

测试、追踪、随时回滚

在画布上运行流程,查看每个节点的输出、Token 和成本。保存画布版本,一旦某次改动不理想,随时恢复。

画布上有什么

每一种节点、模型目录,以及智能体可以运行的每一个地方。

推理与行动

  • Agent——拥有自己的模型、提示词和工具,在推理-行动循环中运行
  • Crew——一组 CrewAI 智能体与任务
  • Run Agent——调用一个你已经构建好的智能体
  • Code——沙箱中的 Python 或 Bash,不产生 LLM 成本

流程控制

  • Start——消息进入的入口
  • Condition——按规则分支,不产生 LLM 成本
  • Parallel——同时执行每一条外发分支
  • Loop 与 Exit Loop——遍历一个列表,或重复 N 次

核对与真人介入

  • Evaluation——用规则或 LLM 评审打分,然后 Pass 或 Retry
  • Human Review——暂停等待批准或驳回
  • Message——一条消息、一个表单或几个按钮
  • Send——给客户发消息后继续往下走

知识与数据

  • Knowledge Retrieval——语义、关键词或混合检索
  • Skill Retrieval——无需 LLM 步骤即可匹配技能
  • Drive Action——创建、读取或更新文档、表格、思维导图和分镜脚本
  • 跨对话保留的记忆,以及每个智能体共享的工作区记忆

模型

  • Anthropic、OpenAI、Google 和 DeepSeek
  • 阿里巴巴 Qwen、智谱 GLM、xAI 和 MiniMax
  • 按 Agent 节点各自选择模型,而不是整个工作流只用一个
  • 从工作区额度中扣费——无需自行管理各家提供商的密钥

运行的地方

  • 收件箱渠道:Messenger、Telegram、个人 Zalo、网站聊天
  • 调度器,按周期性时间表运行
  • 作为工具暴露给另一个智能体
  • Claude Code、Cursor 等 MCP 客户端
  • 试验场,在任何客户看到之前先行测试

提示词输入框 vs. 智能体构建器

同一件事,两种做法。

没有 2pm.space 时
有了 2pm.space

一条提示词要同时完成检索、推理、核对和回复——却看不出到底是哪一步出了问题。

每件事都是独立的节点,运行日志会显示每个节点收到了什么、返回了什么、花费了多少。

一个错误的答案直接发到了客户面前。

Evaluation 节点会拦下它,退回去再试一次,客户根本看不到。

一个有风险的操作需要开发者专门搭一道审批步骤。

在它前面放一个 Human Review 节点,运行就会等一句“同意”。

一次改动把智能体弄坏了,只能凭记忆重新搭一遍。

把画布恢复到改动之前的那个版本。

关于智能体构建器的问题

人们在搭建第一个工作流之前常问的问题。

搭建你的工作 真正需要的那个智能体

从一条提示词开始,等任务需要时再让它长成一套工作流。