Agent Skills
返回列表
🤖

企业RAG与代理工作流构建助手

AI Agent 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/build-enterprise-rag-and-agent-workflows-with-bisheng。

技能介绍

要解决的具体问题

企业 RAG 项目常卡在几个环节：内部数据源（知识库、数据库、业务系统）与检索链路对接困难；LLM 供应商选择与凭证管理分散；工作流需要循环、并行、批处理等控制逻辑，用传统编排方式要写大量样板代码，评估和发布也没有统一路径。结果是工作流停留在原型阶段，难以真正交给业务用户使用。

核心能力与工作方式

Bisheng 用可视化「流程图」定义工作流：循环、并行、批处理这类在同类产品中需要专门组件才能实现的操作，可以直接在画布上拖拽完成，而不用手写编排逻辑。技能覆盖从组装到交付的完整链路：

  • 数据接入：连接企业内部数据源，作为 RAG 的检索背景
  • 模型组装：接入 LLM 提供者凭证，组合提示与生成环节
  • 流程编排：在流程图中串联检索、生成与工具调用步骤
  • 评估验证：基于内部数据检验检索结果与生成质量
  • 发布交付：将组装好的工作流发布给业务用户使用

适用边界与注意点

  • 运行环境要求 CPU >= 4 虚拟核心、RAM >= 16 GB，容器场景需 Docker 19.03.9+
  • 部署前需备齐 LLM 提供者凭证与企业数据源的访问权限
  • 本技能整理自 Bisheng 上游文档，实际能力边界以上游项目为准

使用场景

  • 企业内部知识库需要接入LLM做检索问答，工程师要用流程图把检索、生成、评估环节串起来并发布给业务方
  • 数据团队要把数据库和业务系统里的数据接入RAG链路，需要支持循环、并行、批处理这类控制逻辑来组装检索与生成流程
  • 团队要对比多个LLM供应商的凭证和生成效果，需要统一接入并在流程中评估不同模型在内部数据上的检索与回答质量
  • 平台工程师要把组装好的RAG和Agent工作流发布上线，让业务用户直接使用而不再停留在原型验证阶段

适合人员

  • 企业平台工程师，需要把内部数据源和LLM凭证统一组装成可发布的RAG和Agent工作流
  • 数据团队工程师，负责把数据库、知识库等内部数据接入检索链路并验证生成质量
  • AI应用开发者，要在企业内部部署RAG和Agent流程并交付给业务用户使用
  • 负责工作流评估的技术人员，需要基于内部数据检验检索结果和生成内容的可靠性