[]
本页面汇总典型了具有技术典型性的AI智能体示例，这些智能体均采用活字格低代码开发，给AI智能体的设计者提供参考。
推荐阅读：使用活字格的低代码开发者。
重要提示：本页面的所有工程文件均不包含调用AI大模型的Key。您需要在下载或获取工程后，手动通过修改【设置】→【应用程序设置】→【运行时AI模型】和【全局变量】，填写您的Key后，才能正常运行。
企业应用中最常见的一类，它专注于“完成一件事”。这类智能体通常围绕具体业务流程进行设计。
AI技术为我们带来了自然语言分析能力，可以从多轮对话中提取出有价值的信息，配合必要的服务端数据，就能帮助用户完成表单填写工作，提升用户的工作效率。
需要注意的是，此类场景中AI仅起到辅助作用，填写好的表单依然需要人工确认才能提交生效。这种“人在回路”的设计，可以有效降低企业对AI处理能力的刚性需求，能容忍一些AI幻觉带来的错误。这就决定了该场景非常适合作为企业初次落地AI的抓手。
本示例模拟的场景是企业为代理商提供了在线下单的功能，传统的方案中，代理商员工需要手工选择合适的商品规格与数量，完成采购单填写。引入AI后，代理商员工可以通过自然语言或直接粘取整体方案中的表格与段落，请AI提取其中涉及到的企业商品，并自动填充到采购单上，如图1所示，待用户做二次加工后在线提交给企业。
（图1 AI辅助的表单填写）
本示例涉及到的技术看点：
通过Function Calling，为大模型提供读取企业内网中存储的实时、敏感数据（代理商折扣）的能力。
通过Workflow中的非AI节点，读取到主数据（可订购的商品列表），然后拼接到提示词中，供大模型使用。
通过提示词对大模型输出进行强格式约束，以便对接表单的前端交互能力，实现将AI返回的结果展现在表单上的效果。
示例工程：https://gitee.com/low-code-dev-lab/hzg-demo-ai-chat-with-traditional-ui.git
在示例1的基础上，我们可以通过更多技术手段对AI的行为进行约束，最终达到“自动执行”的效果，实现从辅助到担当的跨越。
本示例模拟的场景是与OA审批工作流对接的前台应用.在该应用中,员工用自然语言描述自己希望发起的流程，AI根据多轮会话记录，自动匹配最适合的审批工作流，提取参数后自动发起流程。用户可以在流程中心（模拟页面）中查看AI自动发起的流程，如图2所示。
（图2 AI自动发起审批流程）
本示例涉及到的技术看点：
利用AI的语义分析能力实现在意图识别，在给定的清单中寻找最匹配的任务。
提供任务级别的权限控制，基于意图识别的结果，通过非AI逻辑做盘点，确保数据安全。
提示词拆分为架构提示词和业务提示词，业务提示词入库，如图3所示，无需重发布应用即可对提示词做调优。
（图3 从数据库中读取业务提示词：流程发起请求的参数描述）
示例工程：https://gitee.com/low-code-dev-lab/hzg-demo-strict-mode-call
基于知识库的文字处理性应用是目前（2025年初）最受欢迎的任务型AI智能体应用之一。该类应用通常采用RAG架构，即通过支持语义查询的矢量数据库配合传统数据库，实现“根据用户输入召回相关知识并将其融入提示词”的效果。本场景的多样性较强，如知识搜索、知识问答、文本检查等。
本示例涉及到的技术看点：
支持语义检索的轻量级知识库，该模式适用于数据量少的政策、规章、SOP等场景，如图4所示。
内外部知识融合的提示词工程
（图4：从轻量级矢量知识库中查询相关外部知识）
点击下方链接下载示例工程
以自然语言交互为核心特征，它们的任务往往是 “提供帮助”或“获取信息”
在C端，AI最典型的应用就是知识检索，这也是绝大多数人接触到的第一个AI应用场景，非常熟悉。从技术实现的角度上看，该场景的实现难度也远低于上一个章节中的“任务型智能体”。如果预算有限，又希望体验AI技术，构建属于企业的增强型检索智能体（检索的对象可以是知识，也可以是其他数据）是很多企业的首选。
不过，该场景的应用深度有限，对企业整体数字化水平和员工数字化体验的提升幅度不高，其长期使用价值较低。而且，知识库中知识数据本身的质量会对该类应用的效果带来巨大差异。从实践经验上看，缺乏有效数据治理的企业，AI知识检索的效果也会大打折扣，低于用户尤其是决策层的预期。
本示例模拟的场景是技术支持机器人。通过该应用，产品用户可以用自然语言描述遇到的技术问题，通过持续对话、查看相关知识等方法，深入了解该问题的解决方案，如图5所示。
（图5 AI知识检索）
本示例涉及到的技术看点：
较完整的对话式交互体验，含对话保持、相关问题推荐、详情按钮等，基于示例内建的四个“AI用”组件实现
示例工程：https://gitee.com/low-code-dev-lab/hzg-demo-ai-knowledge-base
如果你刚开始接触智能体开发，也可以从更简单的C端应用开始学习。
本示例模拟的场景是城市生活助手。用户可以跟AI对话，AI则根据用户当前所在城市的天气情况提供穿衣等生活建议。
本示例涉及到的技术看点：
通过Function Calling接入多个外部能力，获取用户当前所在城市，获取特定城市的天气
示例工程：https://gitee.com/low-code-dev-lab/hzg-demo-ai-functioncalling
生成式AI的伴生应用，是内容驱动型业务的强大引擎，它们能 “创作新内容”。
在上一章节中，我们引入了一个用来学习Function Calling的案例，本案例将帮助你学习如何拆解任务，并将其编排成由多个AI调用单元和非AI节点构成的Workflow。
本示例模拟的场景是SEO（搜索引擎优化）文章写作，用户输入特定的关键词，AI将自动撰写高质量的SEO技术文章。
本示例涉及到的技术看点：
人在回路，在AI完成工作后发起审批工作流，提示人工审核，初审过后再调用AI完成后续工作。
通过服务端通知（WebSocket）向前端及时通报处理进度，避免用户等待AI长时间操作的体验不佳。
示例工程：https://gitee.com/low-code-dev-lab/hzg-demo-web-api-ai-integration
更多Demo程序正在开发中，后续将持续推出，欢迎持续关注。
