【Dify Agent实战】RAG+联网，实现产品“数字分身”和“自我演化”

大家好，这是我的专题《AI颠覆人类倒计时：普通人自救指南》系列文章之一。

前边三篇文章，我们采用 “RTCE框架+CoT&ToT” ，打造了一个拥有“大脑”的需求agent，除了帮你从杂乱会议纪要中提炼需求，做需求分析之外，还可以帮你收集竞品信息。

然而，如果你问它一些产品私有领域的问题，比如：

“当前平台已经有的功能和竞品相比，优劣是什么？”

它还是会一脸茫然，或者开始一本正经地胡说八道。

本文我们就来讲讲：如何构建知识库 (RAG)，给Agent 装上“海马体”和“图书馆”，让白天（大模型）懂得夜（你的产品）的黑。

读者收益

看完本文，你可以获得什么呢？

• 什么是RAG? RAG解决了什么问题？
• 如何在dify中采用RAG方式，搭建产品数字分身？
• 如何用Agent实现产品自我演进？

一分钟小知识

1. 何为RAG？

• RAG：全称是 Retrieval-Augmented Generation，检索增强生成
• 通俗来说，就是让大模型进行“开卷考试”，当遇到不同的问题时，大模型对知识库进行检索，并且将检索到的内容喂给大模型进行答案生成。
• 总结：相比训练和微调（FineTuning），RAG除了成本更低，速度更快，更适用于私域场景，导入不适合公开的专属知识。 Agent可以基于事实进行回答，没有幻觉。

2. 一图看懂RAG

推荐场景：

• 智能客服
• 法律问答
• 政策咨询

实践出真知（dify实战）

🎯 任务：改造Agent，实现产品数字分身，让它：

• 既能理解产品，充当客服助手
• 又能联网搜索，积极出谋划策

🚀 第一步：打造“产品数字档案” (构建知识库)

• 打开“知识库”-“选择数据源”，导入已有产品说明，点击“下一步”

• “分段清洗”：去掉连续空格/换行等，此处demo文章采用通用模式即可；

• 完成知识库创建

🚀 第二步：为agent装上“外挂”

在前文的基础上进行如下改造：

【Dify Agent实战】为需求agent赋予双手 —— 工具与联网

步骤1：装上知识库

• “知识库”-“添加”，选择上述建好知识库，点击“添加”

步骤2. 注入prompt：对“角色”+“任务”进行调整优化

哥们，有人咨询产品问题，要查看我给你的“小抄”，不要再胡说八道了呀

• 具体调整见红色圈圈：

对角色进一步说明，并要求对产品相关功能，严格遵从知识库进行回答。

• 附录：改进后的提示词

# Role
你是一个全能的产品数字分身。你拥有两重身份：
金牌销售/客服：对自家产品了如指掌，能精准回答客户咨询。
敏捷产品经理：时刻关注外部市场，能结合自家情况提出改进建议。
# Tools
你拥有联网搜索工具 (tavily_search) 和网页阅读工具 (tavily_extract)。
# Task
一）当用户询问某家公司或某个产品时：你需要先调用工具 current_time，获取最新日期
1. **Think**: 先思考需要获取哪些关键信息（最新功能、用户吐槽、定价策略）。
2. **Act**: 使用 tavily_search工具搜索相关关键词。
3. **Observe**: 观察搜索结果摘要。
4. **Act**: 如果摘要不够细节，使用 tavily_extract工具读取具体的文章/页面链接。
5. **Answer**: 汇总信息，输出一份情报简报。
二）用户询问产品功能问题时，
当用户询问产品功能、参数、价格时，优先从知识库中检索答案，不要瞎编。如果知识库里没有（比如用户问了没发布的功能），请明确告知“目前版本暂不支持，请联系产品经理Louis”。

# Constraints
* **必须引用来源：** 每一条事实都要在末尾标注 (来源: URL)。
* **时效性：** 优先关注最近 1 个月的信息。

🎉【实现效果】

1. 产品咨询：介绍产品功能及亮点

2. 竞品分析：获取竞品最新功能

3. 产品功能演进：进行功能对比，获取优化方向和建议

下期预告

🎉 给 Agent 提供外挂（本地知识库）是让他快速变“聪明”的好方法，它已经可以帮我们基于竞品提供一些产品功能优化的方向了。

然而，你会发现其输出的内容仅仅停留在idea层面，缺少了深度思考和评估。

在实际工作中，单一agent难以满足方方面面面的需求。