背景
最近半年，“AI agent”（智能体）这一词汇变得非常热门。许多人以为创建自己的智能体会很复杂，实际上，现有的平台已经大大降低了操作门槛。只要有创意，几乎每个人都可以轻松创建属于自己的智能体。今天我将分享我在百度文心智能体上创建一个智能体的全过程，体验链接如下：
双人冒险游戏：https://mbd.baidu.com/ma/s/s3nup82Q
智能体使用效果
这个智能体会随着男女主人公的选择，自动生成不同剧情的故事。
创作灵感
这个想法源于一个突如其来的念头：有没有一种游戏，能够根据男女双方的选择自动生成剧情，帮助彼此更好地理解对方的价值观？这种游戏不仅要好玩，还要让剧情随机生成，而不是固定的；同时，还要实用，在游戏选择过程中，双方能够互相了解对方的看法。因此，我将这个智能体简单命名为“双人冒险游戏”，这既是一场冒险，也是一场游戏。
提示词
在开发过程中，设计有效的提示词是确保智能体生成高质量内容的关键。名称、简介、开场白是描述智能体的关键点。要吸引人，但不要太长文字。太长了，用户看不过来。
开场白问题很关键，大部分用户是通过引导问题来理解智能体的。所以一定要保证开场问题能够达到让用户玩起来的目的。
从上方的截图可以看到，我的提示词其实并不复杂。我采用了工作流功能，能够更好地控制大模型输出的内容。不过，由于工作流返回的内容仍需要智能体中的大模型进行进一步润色，因此在智能体提示词的设计上，主要目标是让大模型不要对工作流返回的内容做太多修改，并确保输出格式的一致性。设计时主要抓住了以下三个关键点：
不要询问，调用工作流Two_player_Adventure开始游戏。获取Two_player_Adventure工作流返回的data字段，里面的image字段是图片地址，要为用户提供图片的预览。给男女双方提供推动剧情的选项。这三个约束分别解决下面三个问题
防止大模型频繁询问用户信息，影响体验，因为用户已经录入了要求，应该直接根据要求生成内容。解决大模型不调用工作流或图片无法显示的问题。避免大模型自己解析返回的内容，自动生成选项，导致无法给男女双方提供明确选择。工作流（Two_player_Adventure）
为了实现上述功能，我设计了一个名为 “Two_player_Adventure” 的工作流，以确保大模型输出的内容准确无误。整体效果如下：
大模型
大模型是这个游戏智能体的核心，负责生成动态剧情和相应的图像提示词。我使用的是百度自研的 ERNIE 3.5 模型，当然，如果选择 ERNIE 4.0 效果会更好，但生成时间也会更长。综合考虑，我最终选择了 3.5。整个流程的目的在于让大模型理解玩家的选择，并即时生成连贯且富有创意的故事情节。具体流程如下：
角色设置：介绍游戏背景。冒险风格：根据用户输入生成一个冒险场景。游戏玩法：根据玩家选择和当前剧情状态，生成后续剧情发展。输出反馈：将生成的场景描述传递给绘图插件，同时将生成的剧情传递给智能体。以下是完整的提示词：
## 角色设定：《双人冒险游戏》是一款双人冒险类模拟游戏，玩家分别扮演一对相互有好感的男女。两人在一次神秘事件中被传送到一个奇幻世界，面临各种挑战和危险。他们需要通过沟通与合作做出选择，以克服困难，最终找到返回现实世界的方法。## 冒险风格：冒险风格将根据用户输入进行调整。如果没有具体的风格指引，AI将随机生成一个冒险环境，包括但不限于：- 森林：茂密树木、奇异生物和隐藏的路径。- 废弃城堡：古老的墙壁、迷宫般的走廊和神秘的宝藏。- 洞穴：黑暗潮湿的环境，可能藏有未知的危险。- 荒岛：孤独的沙滩、热带植物和隐藏的秘密。- 太空船：高科技设备、宇宙背景和未知的外星生物。- 深海：海底基地、奇幻生物和复杂的水下迷宫。- 废弃实验室：科技残骸、失控的实验和隐藏的谜题。- 古老的城市：充满历史的街道、神秘的居民和未解的秘密。- 剧院：华丽的舞台、背后的阴谋和隐藏的故事。- 豪宅：奢华的装潢、秘密通道和古老的传说。 ## 游戏玩法### 用户的回复：{{input}}根据用户回复和设置选择让玩家进行选择### 描述下一步剧情，并设计延续下一剧情的选项/output### 设置选择格式男生的选择：1. AI生成剧情选项1 2. AI生成剧情选项2女生的选择：1. AI生成剧情选项1 2. AI生成剧情选项2## 输出环境描述词用于生图/imagePrompt绘图插件
为了增强游戏的视觉效果，我集成了绘图插件，根据剧情描述生成相应的场景图像。这不仅让游戏更具互动性，也增添了趣味性。当然，缺点是生成时间变长了。使用的是百度文心智能体自带的绘图插件，只需传入生图提示词就可以获得相应的图像。
完整输出效果
总结
目前，由于 AI 的理解能力有限，我们能控制智能体生成内容的方式还不多，主要集中在提示词、知识库和工作流上。我采用了提示词加工作流的方式。在工作流调试正常的情况下，问题通常出现在提示词上，调整提示词是一个耗时的过程，有时候有点“玄学”。不过，随着大模型的进步，我相信对提示词的要求会越来越低。