Appearance
AI 助手
概述
AI 助手集成了多个大语言模型，通过简单的配置即可快速切换和使用不同的语言模型。在充分利用大语言模型优势的同时，AI 助手还支持通过自定义插件的方式与系统深度交互，实现更复杂、更贴合实际使用场景的智能助手。
AI 智能体
自动化里有调用 AI 助手的步骤，自动化配合 AI 助手，可以实现复杂的 AI 智能体。
配置
基本设置
在基本设置页面，你可以为 AI 助手进行命名、选择图标及图标颜色，并编写描述信息。
- 名称：设置 AI 助手的名称。例如：
GPT - 图标：选择一个图标来代表你的 AI 助手
- 图标颜色：选择图标的背景色以便于区分不同模型
- 描述：简要描述 AI 助手的功能和用途。例如：
我是 OpenAI 开发的大语言模型，我可以帮你解答问题
场景引导问题
你可以预设一些常见问题和语言模型的回答策略，帮助用户快速了解和使用模型。
- 输入框占位符：输入占位符文本，例如：
输入你的问题 - 新增问题：点击「新增」按钮添加常见问题及其简要描述。例如：
如何规划人生（6/200 字符）帮我写一封求职简历（9/200 字符）
问答逻辑设置
在人设与回复逻辑设置中，你可以设定模型的回答策略。
例如：你是一个办公助手，需要根据用户的提问回答问题。当用户提出的问题需要你思考时，一步一步思考，等你理清楚头绪后，再调用外部工具。
如此，AI 助手将会根据你设定的「人设与回复逻辑」，作为一个办公助手，在经过多次思考后，再去调用外部的工具。
编写建议
为了让 AI 助手达到更好的体验，建议你在编写提示时包含如下内容：
确定人设：描述 AI 助手所扮演的角色或职责、回复风格。
例如：你是一个项目管理助手，需要根据用户的提问准确的回答问题。
描述功能和工作流程：描述 AI 助手的功能和工作流程，约定 AI 助手在不同的场景下如何回答用户问题。
例如：
当用户根据编号查询任务时，调用"get_task_by_code"工具来查询任务。
尽管 AI 助手会根据提示内容自动选择插件，但仍建议通过自然语言强调在何种场景下、调用哪个工具来提升对 AI 助手的约束力，选择更符合预期的插件以保证回复的准确性。
例如：
当用户询问正在进行中的项目最新的未完成任务时，调用"get_projects" 搜索进行中的项目，再调用"get_tasks"查询进行中项目未完的任务，最终整理所有的数据给到用户。
此外，你也可以为 AI 助手提供回复格式的示例，AI 助手会模仿提供的回复格式回复用户。
示例：
md
请参考如下格式回复：
**任务名称**
开始时间：yyyy-MM-dd hh:mm
结束时间：yyyy-MM-dd hh:mm
任务描述：20 个字以内的任务描述指示 AI 助手在指定范围内回答：如果您想限制回复范围，请直接告诉 AI 助手什么应该回答、什么不应该回答。
例如：
拒绝回答与项目管理无关的话题；如果没有搜索到结果，请告诉用户你没有查到相关数据，而不应该编造内容。
语言模型设置
在此部分，你可以选择语言模型的提供商和具体的模型版本，以及模型的参数配置。
| 设置项 | 说明 |
|---|---|
| 模型提供方 | 选择或输入模型的提供方，如 OpenAI |
| 语言模型 | 选择或输入具体的语言模型，如 gpt-4-turbo |
| API Key | 调用模型接口需要的 API Key |
| API 地址 | 选择语言模型 API 的地址，如 https://api.openai.com/v1/chat/completions |
| 随机性 | 0-2 的一个值，Temperature 值越大，回复越随机，数值越低，随机性就越少，结果就越确定。当该数值接近零时，模型将变得确定和重复 |
| 回复的最大 Token 数量 | 0 为无限制。提示和响应完成共同所生成的最大 token 数量，不同模型的 token 限制也不同。指定最大长度可以防止过长或不相关的响应并控制成本 |
| 话题新鲜度 | presence_penalty 值越大，越有可能扩展到新话题 |
| 频率惩罚度 | frequency_penalty 值越大，越有可能降低重复字词 |
| 携带的对话轮次 | 每次提问，模型能记住的上下文数量 |
支持的模型列表
插件系统
如果说语言模型是 AI 的大脑，那么插件就相当于 AI 的感官与手足，为 AI 提供更多的输入与输出能力。织信为 AI 助手提供了一键使用的系统插件，赋予基础能力；同时也提供了自定义插件，为设计者创造更丰富、更多元化的 AI 能力。
插件定义结构
| 配置项 | 说明 |
|---|---|
| 名称 | 插件的名称 |
| 标识符 | 插件的唯一标识 |
| 是否启用 | 控制插件在 AI 助手中是否启用 |
| 调用说明 | 插件的功能描述 |
| 调用自动化 | AI 助手调用插件时执行的自动化 |
系统插件
系统插件为 AI 助手提供与系统深度交互的能力，实现时间获取、数据操作等核心功能。
| 名称 | 标识符 | 调用说明 |
|---|---|---|
| 获取当前时间 | _get_current_time | 获取当前时间，AI 模型查询前需调用此方法 |
| 查询可用数据表 | _query_all_table_list | 获取当前应用中所有数据表的列表及其基础信息 |
| 查询指定数据表配置 | _query_table_define | 获取指定数据表的完整结构定义（包含所有字段信息） |
| 查询数据表记录列表 | _query_table_record_list | 按条件查询数据表记录，支持筛选、分页、排序等操作 |
| 查询数据表记录数量 | _query_table_record_list_count | 统计符合条件的数据表记录数量 |
| 发送系统邮件 | _send_system_email | 使用系统邮箱发送邮件 |
| 查询应用成员账号信息 | _query_app_user_list | 获取成员账号基本信息（包括账号 ID、邮箱等） |
| 联网能力 | _web_content | 通过 URL 获取网页内容，允许访问网络资源 |
| 代码执行器 | _javascript_eval | 执行 JavaScript 代码，适用于复杂计算和数据处理 |
| 渲染 HTML | _render_html | 将 HTML 代码渲染为可视化界面，支持交互式内容展示 |
| 插入指定数据表记录 | _table_record_batch_insert | 向指定数据表批量插入记录 |
| 编辑指定数据表记录 | _table_record_batch_update | 修改指定数据表中的记录内容 |
| 删除指定数据表记录 | _table_record_batch_delete | 根据条件删除指定数据表中的记录 |
| 查询所有搜索引擎模块 | _query_all_textindex_list | 获取所有搜索引擎模块信息（包含数据源配置） |
| 调用搜索引擎检索数据 | _textindex_search | 调用搜索引擎执行数据检索操作 |
| 发送通知 | _send_notification | 调用脚本发送通知给 Web、企业微信、钉钉、飞书等平台 |
| 读取 Office 文件 | _read_office_file | 支持读取 PDF、Word 文件内容 |
| 查询织信脚本文件列表 | _query_informat_script_list | 获取织信脚本文件列表 |
| 查询织信脚本文件内容 | _query_informat_script_content | 通过脚本 ID 获取脚本内容 |
| 执行织信脚本 | _execute_informat_script | 通过脚本 ID 和函数名执行织信脚本 |
| 查询设计器数据表定义 | _designer_query_table_define | 查询未发布的应用中数据表定义 |
自定义插件
自定义插件被调用时将执行预设的自动化流程，满足个性化的业务需求。
插件定义示例
假设你要定义一个帮助创建任务的插件，配置如下：
第一步：插件定义
第二步：调用的自动化
启用 MCP Server 服务
一键部署为 MCP Server，支持跨模型调用赋能。
MCP Server 地址：
${host}/web0/aiagent/${appId}/${moduleId}/event认证方式：支持默认应用 ApiKey 和自定义 ApiKey，通过 X-INFORMAT-APIKEY 请求头传递。
示例：在 TRAE 中配置 MCP
AI 助手的调试
在 AI 助手的搭建过程中，你需要不断根据 AI 助手实际表现优化和迭代提示词，让 AI 助手体验达到预期。
在预览与调试区域，测试 Bot 的实际表现。如果不符合预期，根据 Bot 的目标，分析不符合预期的原因，并不断调整和优化回复逻辑。
