https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/ Recent content in 智能体开发指南 on Smartchart开发手册 Hugo -- gohugo.io https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%96%87%E6%A1%A3%E7%94%9F%E6%88%90/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%96%87%E6%A1%A3%E7%94%9F%E6%88%90/ 简介 # 文档生成智能体通过多步骤流式处理，将用户的自然语言需求自动生成完整的 Word 文档（.docx）。核心流程：① 用大模型提取需求和章节结构 → ② 按章节逐一调用大模型生成内容 → ③ 使用 ds_save_doc() 保存为 Word 文档。整个过程支持流式输出进度反馈。 应用场景 # 操作文档，比如标书，方案的生成 使用方法 # 大模型连接已抽象化为数据源，请参考基础操作 –> 第一个AI场景 新建python数据源 新建数据集，选择类型为：智能体，连接器选择：python, 名称"文档生成" --- 提取需求 --- base_prompt="""$prompt""" yield '正在提取需求...<br>' ds = ds_gpt('smtgpt', f'请基于需求提取对应的信息，输出 json,格式:{{"prompt":"提取到的需求", "input_file":"输入文件，如果没有为空", "output_file":"输出的文件路径，如果没有你想一个 word 文件名","header":"文章标题，如果没有请基于需求提供一个"}},以下是我的需求：{base_prompt}', tool=1) header = ds.get('header', '通用方案') input_file = ds.get('input_file', '') output_file = ds.get('output_file', 'output.docx') prompt = ds.get('prompt', base_prompt) yield f'需求提取完成：{str(ds)}<br>' --- 获取章节提示词 --- context_content = ds_read(input_file) p0 = f""" {prompt} 【参考资料】 请参考这些信息进行规划： --- {context_content} --- 任务：请规划文档的章节结构，并为每一章生成一个详细的写作提示词（Prompt）。 要求： 1. https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%99%BA%E8%83%BD%E6%8F%90%E5%8D%95/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%99%BA%E8%83%BD%E6%8F%90%E5%8D%95/ 简介 # 智能提单展示了 SmartChart 中"大模型 + 图形工具调用"的完整链路：用户上传发票图片 → 大模型识别图片内容并审核 → 触发工具调用（{"tool":"VV报销单",...}）→ 图形数据集渲染报销单界面。其中以 VV 开头命名的数据集表示"图形化数据集"（Visualization Variant），专门用于渲染可视化结果，是 SmartChart 智能体工具调用的命名约定。 应用场景 # 打通大模型+数据+图形+表单+触达 以发票审核为例 使用方法 # 新建一个大模型数据源，本次采用dashAI,以调用阿里dashscope的能力为列 dashAI可选择qwen模型，当有图片上传时会自动切换使用vl模型，默认是qwen-vl,你可以在参数中变更，如{“vmodel”:“qwen-vl-max”} 新建智能体数据集，选择dashAI数据源,取名为"报销单助手" #你是一个发票审核专家 ## 核心能力 ### 功能1：发票审核 如果用户有上传发票，请识别内容后输出识别的内容，然后进行审核,审核要求：发票金额不能大于200 需要输出至少有：归属公司，业务类别，金额 ### 功能2：生成报销单 请基于识别的发票信息，输出以下json格式(只输出json),xx是需要你基于发票信息进行替换的 {"tool":"报销单","msg":"生成报销单","param":{"归属公司":"xx","供应商":"xx","业务类别":"xx","金额":"xx"}} # 以下是用户的问题： $prompt 再新建一个数据，取名为"报销单" 注意由于是图形化数据集，我们需要选择类型为：组件 数据集内容 dataset={ "申请人":"$username", "归属公司":"$归属公司", "业务类别":"$业务类别", "金额":"$金额", "供应商":"$供应商" } 图形中内容 注意图形内容你可以让大模型先进行生成html,再贴入相关的css和html即可 let dataset=__dataset__; let css =`.container { max-width: 800px; margin: 0 auto; background-color: white; border-radius: 8px; box-shadow: 0 2px 10px rgba(0, 0, 0, 0. https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%99%BA%E8%83%BD%E9%97%AE%E6%95%B0/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%99%BA%E8%83%BD%E9%97%AE%E6%95%B0/ 简介 # 智能问数是 SmartChart 的 Text-to-SQL 能力实现。用户通过自然语言提问，系统先由调度智能体判断问题属于哪张业务表，再由 askdata 技能数据集自动生成 SQL 并查询数据库，最终将结果以可视化形式呈现。整个流程通过两个数据集（调度智能体 + 问数场景技能）串联实现，无需额外编程框架。 应用场景 # 在首页入口进入知识与数据问题 使用方法 # 大模型连接已抽象化为数据源，请参考基础操作 –> 第一个AI场景 智能体开发已抽象化为数据集开发 新建数据集，选择类型为：智能体，选择大模型数据源, 名称"智能问数" 请基于用户的问数需求，按如下方式回答： msg:请判断用户的问数需求，并基于历史情况，将需求整理成不多于100字的内容 param: - 如果是问王者荣耀相关的问题，table为"smartdemo2",name为"比赛记录" - 如果是问客诉相关的问题，table为"smartdemo",name为"台灯客诉表" - 如果没有相关的表请直接建意用户问什么 - 如有相关的表请严格按以下json格式回答: {"tool":"askdata","msg":"你总结的问题","param":{"table":"表名","name":"表描述"}} ## 以下为用户的问题 $prompt 新建“问数场景”数据集，类型为技能，名称为：“askdata” dataset={ "gpt":"smtgpt", "question":"$prompt", "table":"$table", "name":"$name", "vector":0 ,"log":2 } question: 用户问题 table: 目标表,视图或数据集ID name: 场景描述 vector: 向量命中相关性最小值(0-2), 0不开启向量 log: 日志记录方式 如果你设定为指定的表名和表描述，你可以直接使用问数场景智能体 知识库技术 # 让大模型有记忆能力, 需要引入向量数据库查询 向量化数据库安装配置方法 7.AI应用 –> 向量数据库 智能问数配置速查 # 步骤 数据集类型 名称 作用 1 智能体（大模型数据源） 自定义（如"智能问数"） 路由智能体：判断问题属于哪张表，返回 {"tool":"askdata",. https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%9C%BA%E5%99%A8%E4%BA%BA/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E6%9C%BA%E5%99%A8%E4%BA%BA/ 应用场景 # 可接入钉钉,企微等，象openClaw一样干活，又有自控性 简介 # SmartChart 支持将智能体接入钉钉、企微等企业即时通讯平台，作为群机器人提供智能服务。机器人收到消息后，调用 SmartChart 的 Python 智能体数据集处理逻辑，支持工具调用（查看文件、问数查询、写入数据等），结合 ds_tool() 函数实现多智能体协作。 使用方法 # 新建数据集，选择类型为：智能体，连接器选择：python, 名称"sCraw" prompt = """$prompt""" system="""你是一个专业的数字助手。根据用户需求判断是否调用可用工具。 ### 可用工具说明 #### 1.智能问数 如果你判断用户是有问数的需求，请返回 {"tool":"智能问数","msg":"你总结的问题"} #### 2.查看文件 用于查看本地文件的内容请返回{"tool":"查看文件","path":"文件的路径","summary":"是否需要总结，如果不需要为空"} #### 3.写入记录 用于写回本地文件的内容请返回{"tool":"写入","msg":"需要写入的内容"} ### 响应规则 #### 工具调用场景 - 当需求匹配工具能力时：直接返回对应工具的JSON请求格式 - 不添加任何额外解释文字 #### 正常回答场景 - 当需求不匹配任何工具时：正常回答用户问题 - 保持专业、简洁、有帮助的风格 #### 禁止行为 - 不解释"我正在调用工具" - 不在JSON外包裹说明文字 - 不询问"是否需要使用工具" - 不输出工具判断过程 ### 使用示例 """ base_path = 'xxxx/' ds = ds_gpt('smtgpt',prompt, system=system, tool=1) tool = ds. https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E7%BD%91%E9%A1%B5%E7%94%9F%E6%88%90/ Mon, 01 Jan 0001 00:00:00 +0000 https://help.smartchart.cn/docs/7.AI%E5%BA%94%E7%94%A8/%E6%99%BA%E8%83%BD%E4%BD%93/%E7%BD%91%E9%A1%B5%E7%94%9F%E6%88%90/ 简介 # 网页生成智能体通过向大模型提供 SmartChart 的标准 HTML 模板格式，让大模型直接生成可以在 SmartChart 中运行的可视化页面代码。适合快速原型开发和无前端背景的用户快速生成大屏效果。生成的代码直接粘贴到仪表盘模板中即可使用。 应用场景 # smartchart大屏及网页开发 使用方法 # 大模型连接已抽象化为数据源，请参考基础操作 –> 第一个AI场景 新建数据集，选择类型为：智能体，连接器选择：大模型数据源, 名称"网页生成" 你可以基于模板格式生成html，并将相应的CSS,HTML,JS填在模板的相应区域内。 注意模板已经自动引入了jquery,echarts不用再引入。 demo数据请用带表头的二维数据格式 ### 以下为模板内容: {% extends "echart/base.html" %}{% block head %} <style> 此处放样式 </style> {% endblock %}{% block body %} <body> 此处放html </body> {% endblock %}{% block javascript %} <script> 此处放js </script> {% endblock %}{% block footer %}{% endblock %} ### 以下是我的需求： $prompt 将生成的模板贴入仪表盘的模板中即可 你是我的前端代码助手。 请基于以下技术约束和需求，生成完整的 Django 模板代码（包含 HTML、CSS、JS）。 【技术栈约束】 1.