- Erste Schritte
- UiPath Conversational Agents
- UiPath Agents in Studio Web
- Über UiPath Agents
- Lizenzierung
- Ausführung von Agents
- Agents und Workflows
- Bewährte Verfahren zum Erstellen von Agents
- Auswahl des besten Modells für Ihren Agenten
- Best Practices für das Veröffentlichen und Bereitstellen von Agents
- Bewährte Verfahren für Kontext-Engineering
- Best Practices für DeepRAG und Batch-Transformation: JIT vs. indexbasierte Strategien
- Arbeiten mit Dateien
- Kontexte
- Eskalationen
- Bewertungen
- Spuren von Agents
- Agent-Punktzahl
- Verwaltung von UiPath Agents
- Codierte UiPath Agents
- Erstellen Sie mit Codierungs-Agents
Build your first conversational agent in Studio Web's Agent Builder, from initial configuration to a working HR assistant with document search.
This guide walks you through building your first conversational agent in Agent Builder: a simple HR assistant that answers questions about company policies using document search.
Voraussetzungen
Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:
- Zugriff auf Studio Web
- Ein Orchestrator-Ordner mit:
- Ein Unattended Robot zugewiesen.
- Ein Kontextgrundlage mit Ihren Wissensdatenbankdokumenten.
Wenn Sie noch keine Kontextgrundlage haben, können Sie dieses Tutorial dennoch abschließen.Ihr Agent reagiert basierend auf seinem allgemeinen Wissen.
Schritt 1: Agent erstellen
- Gehen Sie zu studio.uipath.com.
- Wählen Sie „Neu erstellen“ und dann „Agent“ aus.
- Wählen Sie Konversationell aus.
- Beschreiben Sie Ihren Agent bei Autopilot, um eine Startkonfiguration zu generieren. Beispiel: „Ein HR-Assistent, der Mitarbeitern hilft, Informationen zu Unternehmensrichtlinien, Leistungen und Onboarding-Verfahren zu finden.“Wenn Sie Autopilot nicht verwenden möchten, wählen Sie Von vorne beginnen aus.
Schritt 2: Systemaufforderung konfigurieren
Die Systemaufforderung definiert die Persönlichkeit und das Verhalten Ihres Agents.Eine gut gestaltete Systemaufforderung hilft dem Agent, konsistent und angemessen zu reagieren.
- Definieren Sie im Abschnitt „Systemaufforderung“ die Identität und die Richtlinien Ihres Agents.Zum Beispiel:
You are a friendly HR assistant for Contoso Corporation. Your role is to help employees find information about company policies, benefits, and HR procedures.
Guidelines:
- Always be professional and helpful
- If you don't know the answer, say so
- When citing policies, reference the specific document name
- Keep responses concise but complete
You are a friendly HR assistant for Contoso Corporation. Your role is to help employees find information about company policies, benefits, and HR procedures.
Guidelines:
- Always be professional and helpful
- If you don't know the answer, say so
- When citing policies, reference the specific document name
- Keep responses concise but complete
- Wählen Sie das Modell für Ihren agent aus.Verschiedene Modelle bieten unterschiedliche Funktionen und Leistungseigenschaften.
Schritt 3: Tools hinzufügen
Tools geben Ihrem agent die Möglichkeit, Aktionen durchzuführen und Informationen abzurufen.Fügen Sie für diesen Assistant den Kontextgrundlage-Index hinzu, den Sie zuvor als Kontextwerkzeug konfiguriert haben.
- Wählen Sie Kontext hinzufügen.
- Wählen Sie Ihren HR-Dokumentindex aus.
- Geben Sie eine Beschreibung an. Zum Beispiel:
Provides information about company policies, benefits, and HR procedures.
Provides information about company policies, benefits, and HR procedures.
- (Optional) Fügen Sie zusätzliche Tools hinzu, optional:
- Dateien analysieren: Erlauben Sie Benutzern, Dokumente zur Analyse hochzuladen.
- Integration Service-Verbinder: Verbindung mit externen Systemen wie Kalender oder E-Mail.
Ausführliche Konfigurationsoptionen des Tools finden Sie im Abschnitt Design.
Schritt 4: Testen im Debug-Chat.
Testen Sie vor der Veröffentlichung Ihren Agent, um sicherzustellen, dass er sich wie erwartet verhält.
- Wählen Sie Debuggen und dann Speichern und Debuggen aus, um die Chatoberfläche zu öffnen.
- Senden Sie eine Testnachricht, z. B. „Wie viele Feiertage haben wir in den USA?“.
- Überprüfen Sie die Antwort des Agents und aktivieren Sie Zitate (wenn Sie Kontextgrundlage verwenden).
- Zeigen Sie den Trace auf der Registerkarte „Verlauf“ an, um Folgendes zu sehen:
- LLM-Aufrufe und Antworten
- Toolaufrufe mit Argumenten und Ausgaben
- Wenn die Antwort gut ist, wählen Sie Zu Auswertungssatz hinzufügen aus, um diese Konversation für zukünftige Tests zu speichern.
Schritt 5: Veröffentlichen und Bereitstellung
Sobald Sie mit dem Verhalten Ihres Agents zufrieden sind, veröffentlichen Sie ihn, um ihn für Benutzer verfügbar zu machen.
- Wählen Sie in der oberen Symbolleiste die Option Anhalten aus, um die Debug-Ausführung zu stoppen.
- Benennen Sie Ihre Lösung und Agent im Explorer in „HR Assistant“ um.
- Wählen Sie in der oberen Symbolleiste die Option veröffentlichen aus.
- Wählen Sie „Orchestrator Tenant“ als Speicherort aus.
- Wählen Sie Veröffentlichen aus.
Der Veröffentlichungsprozess beginnt und Sie erhalten eine Nachricht, sobald das Paket bereitgestellt werden kann.
- Wählen Sie in der Nachricht die Option Paket aktivieren aus.
- Wählen Sie Paket Bereitstellung aus (Raketsymbol ganz rechts).
- Wählen Sie den Orchestrator-Zielordner aus (muss einem Unattended Robot-Konto zugewiesen sein).
- Wählen Sie Sofort aktivieren aus.
- Wählen Sie Bereitstellen.
Ihr Agent ist jetzt veröffentlicht und bereitgestellt und über die Instanzverwaltung verfügbar.
Schritt 6: Zugriff auf Ihren Agenten
Once published, your agent surfaces to users through any of the supported chat channels — Instance Management, Assistant, Microsoft Teams, Slack, iFrame embeds, and more, including custom chat UIs with the UiPath TypeScript SDK. See Deployment for the full channel list, feature availability per channel, and configuration steps.
Sie haben Ihren ersten Konversationsagenten erstellt und bereitgestellt.Weitere Informationen:
- Designing the agent — configuring the prompt, tools, context, file handling, and per-user connections.
- Evaluating the agent — create comprehensive test suites for your agent.
- Observability — monitor performance, usage metrics, and collect user feedback.
- Licensing — understand consumption and pricing for your deployment.
Need more advanced conversation modeling — routing, hand-off between specialist agents, or backend automations running in parallel with the conversation? See Build in Maestro Flow to model the whole chat as a conversational Flow.