百炼平台零代码构建智能体全流程：从想法到上线只需 30 分钟-阿里云开发者社区

摘要：阿里云百炼平台提供了业界首个全生命周期 AI 智能体构建服务，支持零代码方式快速创建具备工具调用能力的智能体应用。本文从实际业务需求出发，完整演示在百炼平台上构建一个"旅行规划智能助手"的全流程：智能体创建 → MCP 服务集成（高德地图、天气查询）→ 知识库配置 → 对话测试 → API 发布 → 前端对接，并分享构建过程中的关键配置技巧和避坑经验。

1. 场景：30 分钟构建一个能做事的 AI 助手

上周产品经理提了一个需求："做一个能查天气、看地图、推荐行程的旅行助手"，要求一周内上线。传统方式意味着要对接高德地图 API、天气 API、写后端服务、做前端页面，至少一周。

但用阿里云百炼平台的零代码智能体构建能力，从创建到测试通过，实际只花了 30 分钟。

1.1 传统开发 vs 百炼零代码的效率对比

传统方式开发一个旅行助手，需要经历以下环节：

后端开发：对接高德地图 API、天气查询 API，编写路由和业务逻辑
前端开发：聊天界面、地图展示、天气卡片
联调测试：前后端接口联调、异常处理
部署上线：服务器配置、域名备案、SSL 证书

而百炼零代码方式，只需在控制台完成配置，无需编写一行代码。

1.2 两种开发流程对比

左侧橙色是传统流程，5-7 天起步；右侧绿色是百炼零代码流程，30 分钟搞定。核心差异在于：百炼把"对接外部 API"这件事从"硬编码开发"变成了"MCP 服务一键开通"。

2. 百炼智能体工作台概览

进入百炼控制台，路径是：百炼控制台 → 应用管理 → 创建应用。

2.1 三种应用类型

百炼提供三种应用类型，适用不同场景：

应用类型	适用场景	开发方式	灵活度
智能体应用	对话式 AI 助手、工具调用	零代码配置	高
工作流应用	固定流程的自动化任务	可视化编排	中
高代码应用	复杂业务逻辑、定制化需求	Python 项目	最高

本文选择智能体应用（Agent 2.0），它是百炼 2026 年的最新版本，将知识库、MCP 等能力统一为工具，由智能体自主规划调用顺序。

2.2 智能体核心能力

Agent 2.0 的核心能力包括：

大模型选择：支持 Qwen3.7-Max、Qwen3.7-Plus 等 150+ 款模型
MCP 服务集成：预置 20+ 云端服务、50+ 本地服务，一键开通
知识库（RAG）：上传私有文档，智能体检索后作为回答依据
记忆能力：支持短期记忆和长期记忆，跨会话保持上下文
API 发布：一键发布为 REST API，支持流式输出

2.3 百炼智能体架构全景

浅蓝色是用户交互层，浅橙色是智能体核心引擎，浅绿色是工具层，浅紫色是模型层。Agent 2.0 的关键改进是：知识库和 MCP 不再是固定顺序调用，而是由规划引擎自主决定何时调用、调用哪个。

3. 创建旅行规划智能助手

3.1 Step 1：选择模型

在百炼控制台创建智能体后，第一步是选择大模型。

模型选型建议：

模型	适用场景	上下文窗口	特点
Qwen3.7-Max	复杂推理、多工具调用	128K	推理能力最强，工具调用精准
Qwen3.7-Plus	日常对话、通用任务	50K	性价比最高，速度更快

对于旅行规划助手，需要多工具协同（地图 + 天气 + 知识库），推荐使用 Qwen3.7-Max。它的工具调用指令遵循能力更强，在多步推理场景下表现更稳定。

如果预算有限，Qwen3.7-Plus 也能完成大部分任务，但在复杂多工具联动场景下偶尔会出现调用顺序混乱的问题。

3.2 Step 2：编写系统提示词

系统提示词决定了智能体的行为边界和回答风格。这是整个配置中最关键的一步，直接影响工具调用成功率。

Why：系统提示词是智能体的"岗位说明书"，写得好，智能体就知道什么时候该调用工具、什么时候该直接回答；写得不好，智能体要么乱调工具，要么该调的时候不调。

你是一位专业的旅行规划助手，名叫"小旅"。你的核心能力是帮助用户规划旅行行程。

## 你的能力范围
1. 地图查询：通过高德地图查询地点信息、路线规划、POI搜索
2. 天气查询：查询目的地实时天气和未来天气预报
3. 行程推荐：基于用户偏好、天气和地理信息推荐合理行程

## 工具使用规则
- 当用户提到具体地点时，主动调用地图工具查询位置和路线
- 当用户询问出行建议时，先查询天气再推荐行程
- 当用户需要景点推荐时，先搜索POI再给出建议
- 不要编造不存在的地点或天气信息，所有数据必须来自工具返回

## 回答风格
- 简洁实用，先给结论再给细节
- 行程推荐按时间顺序排列，标注预计耗时
- 涉及天气时提醒用户注意穿着和携带物品

提示词编写技巧：

明确"能力范围"，让智能体知道能做什么、不能做什么
写清"工具使用规则"，告诉智能体什么场景下该调用哪个工具
强调"不要编造"，这是减少幻觉的最有效手段
保持提示词结构化，用标题和列表代替长段落

3.3 Step 3：配置人设和开场白

在"人设与回复逻辑"配置区域，设置开场白：

你好！我是小旅，你的专属旅行规划助手 🗺️

我可以帮你：
- 查询目的地天气和实时路况
- 规划出行路线和交通方案
- 推荐景点和美食

告诉我你想去哪里，我来帮你规划行程！

开场白的作用是引导用户明确表达需求，减少无效对话轮次。

4. 集成 MCP 服务

MCP（Model Context Protocol）是百炼平台的核心能力之一。通过 MCP，智能体可以调用外部工具，从"只会说"进化为"能做事"。

4.1 添加高德地图 MCP Server

在智能体配置页面，点击"添加 MCP 服务"，选择 Amap Maps。

操作步骤：

进入百炼 MCP 广场
找到"Amap Maps"卡片，点击"立即开通"
确认开通后，回到智能体配置页面，添加该 MCP 服务

Why：高德地图 MCP Server 当前限时免费使用，开通后无需填写 API Key 即可使用。商业化场景下也支持配置个人高德 API Key。

高德地图 MCP 提供的核心工具：

工具名称	功能	典型用途
`maps_geo`	地理编码	地址转坐标
`maps_direction`	路线规划	多种出行方案
`maps_search_poi`	POI 搜索	景点、餐厅搜索
`maps_weather`	天气查询	实时天气和预报

4.2 添加天气查询 MCP Server

在 MCP 广场中，找到"天气通【旗舰版】"服务并开通。

该服务基于权威气象数据源，支持：

实时天气查询
未来 7 天天气预报
灾害预警信息
空气质量指数
生活指数（穿衣、紫外线等）

Why：虽然高德地图 MCP 也包含 maps_weather 工具，但天气通旗舰版的数据更全面，特别是灾害预警和生活指数，对旅行规划更有参考价值。两个服务可以同时添加，智能体会根据场景自动选择。

4.3 MCP 服务参数配置

在智能体中添加 MCP 服务时，需要注意以下配置：

每个智能体最多可同时添加 5 个 MCP 服务
智能体会根据用户输入自动判断是否调用 MCP 服务
Agent 2.0 支持在多步推理中动态调用 MCP，不固定调用顺序

4.4 工具调用测试

添加完 MCP 服务后，在右侧对话窗格中发送测试消息：

现在出发，从杭州萧山国际机场到杭州西湖景区，请提供公共交通出行方案

智能体将多次调用 MCP 服务，完成路径规划和时间估算。以下是典型的调用结果：

Why：这个测试消息同时涉及地理编码和路线规划，可以验证智能体是否能正确拆解任务并按顺序调用工具。

{
   
  "tool_calls": [
    {
   
      "step": 1,
      "tool": "maps_geo",
      "purpose": "解析出发地和目的地坐标",
      "input": {
   
        "address": "杭州萧山国际机场"
      },
      "output": {
   
        "location": "120.434,30.235"
      }
    },
    {
   
      "step": 2,
      "tool": "maps_direction",
      "purpose": "规划公共交通路线",
      "input": {
   
        "origin": "120.434,30.235",
        "destination": "120.149,30.259",
        "mode": "transit"
      },
      "output": {
   
        "routes": [
          {
   
            "summary": "地铁1号线 → 地铁1号线",
            "duration": "约65分钟",
            "distance": "约32公里"
          }
        ]
      }
    }
  ]
}

智能体先调用 maps_geo 解析地址坐标，再调用 maps_direction 规划路线，整个过程完全自主完成。

5. 知识库配置

MCP 服务让智能体能获取实时数据，知识库则让智能体具备"专业领域知识"。

5.1 上传旅行攻略文档

在智能体配置页面，进入"知识库"模块，创建知识库并上传文档。

支持的文档格式：

格式	支持情况	推荐场景
PDF	✅ 支持	官方旅游指南、政策文件
Word（.docx）	✅ 支持	内部整理的攻略文档
TXT/Markdown	✅ 支持	结构化的景点介绍
Excel	✅ 支持	行程表格、价格清单

Why：知识库文档的质量直接影响检索效果。建议上传结构清晰、信息密度高的文档，避免上传大量重复或低质量内容。

5.2 文档切片策略选择

上传文档后，需要选择切片策略。这是影响知识库检索效果的关键配置：

切片策略	适用场景	切片大小建议
自动切片	通用场景，文档结构均匀	系统默认（约 500 tokens）
按段落切片	文档有明确段落结构	每段 300-800 tokens
按标题切片	文档有层级标题	按一级/二级标题切分

我的建议：旅行攻略文档通常按城市或景点分段，推荐使用"按标题切片"，这样每个切片包含一个完整的景点介绍，检索时上下文更完整。

5.3 知识库与 MCP 的协同工作

在 Agent 2.0 中，知识库和 MCP 服务统一作为"工具"，由智能体自主规划调用。

典型协同场景：

用户问"杭州西湖附近有什么好吃的" → 智能体先调用知识库检索西湖美食攻略，再调用高德 POI 搜索确认餐厅位置
用户问"明天去黄山需要带什么" → 智能体先调用天气 MCP 查询黄山天气，再检索知识库中的装备建议

Why：Agent 2.0 相比旧版的核心改进就在于此——旧版是固定顺序（先知识库再 MCP），新版是智能体自主决策调用顺序，效果更自然。

5.4 知识库配置参数

以下是一个典型的知识库配置参数示例：

Why：了解这些参数有助于调优检索效果，特别是在知识库文档较多时，合理的配置能显著提升回答准确率。

{
   
  "knowledge_base": {
   
    "name": "旅行攻略知识库",
    "description": "包含国内主要城市的旅行攻略、景点介绍和美食推荐",
    "chunk_strategy": "by_heading",
    "chunk_size": 500,
    "chunk_overlap": 50,
    "retrieval_top_k": 5,
    "similarity_threshold": 0.7,
    "rerank_enabled": true
  }
}

关键参数说明：

chunk_overlap：切片重叠量，设为 50 tokens 可避免关键信息被截断
retrieval_top_k：检索返回的文档片段数，5 是推荐值
similarity_threshold：相似度阈值，低于此值的片段不会被返回
rerank_enabled：开启重排序，提升检索精度

6. 对话测试与调优

配置完成后，进入对话测试环节。建议设计多个测试场景，覆盖不同的工具调用组合。

6.1 测试场景 1：单城市一日游规划

输入：

帮我规划一个杭州一日游，早上从西湖出发

预期行为：智能体应调用知识库检索杭州景点信息，调用高德 POI 搜索景点位置，调用天气 MCP 查询当天天气，最后综合给出行程建议。

调优要点：如果智能体没有主动查询天气，说明系统提示词中的"工具使用规则"不够明确，需要加强引导。

6.2 测试场景 2：跨城市多日行程

输入：

我计划5天从上海出发，途经杭州、黄山，最后到南京，帮我规划行程

预期行为：智能体需要多次调用路线规划工具，查询每个城市的天气，检索知识库中各城市的攻略，最终生成完整的 5 天行程。

调优要点：跨城市行程涉及大量工具调用，如果智能体中途"遗忘"了部分任务，可以开启 enable_thinking 参数（思考模式），帮助智能体在每一步进行反思。

6.3 测试场景 3：实时天气 + 地图联动

输入：

现在杭州下雨了吗？如果下雨，推荐一些室内景点

预期行为：智能体先调用天气 MCP 查询实时天气，如果下雨则调用知识库检索室内景点推荐，再调用高德 POI 搜索确认景点位置和开放时间。

调优要点：这类条件分支场景对智能体的推理能力要求较高，如果智能体无法正确处理条件逻辑，建议在系统提示词中增加条件判断的示例。

6.4 常见问题及调优方法

问题现象	可能原因	调优方法
不调用工具，直接编造回答	提示词中工具使用规则不明确	在提示词中增加"必须调用工具"的强制规则
调用错误的工具	工具描述不够清晰	优化 MCP 服务的描述信息
调用顺序混乱	模型推理能力不足	升级到 Qwen3.7-Max，开启思考模式
重复调用同一工具	缺乏反思机制	开启 `enable_thinking`，增加反思步骤
回答包含知识库外的内容	相似度阈值过低	提高 `similarity_threshold` 到 0.75+

7. API 发布与前端对接

测试通过后，将智能体发布为 API，供前端或第三方系统调用。

7.1 发布智能体为 API

在智能体配置页面，点击"发布" → "API 调用"，系统会生成：

应用 ID（APP_ID）：在应用卡片上获取
API 端点：https://dashscope.aliyuncs.com/api/v1/apps/{APP_ID}/completion
API Key：在密钥管理页面创建

7.2 获取 API 端点和认证信息

发布后，在应用卡片上可以看到 APP_ID。API Key 需要在百炼控制台的"API-KEY 管理"中创建。

Why：建议将 API Key 配置到环境变量中，避免硬编码到代码里，降低泄露风险。

# 配置环境变量（macOS/Linux）
export DASHSCOPE_API_KEY="sk-your-api-key-here"

# 永久生效（写入 shell 配置文件）
echo 'export DASHSCOPE_API_KEY="sk-your-api-key-here"' >> ~/.zshrc
source ~/.zshrc

7.3 Python 调用示例

Why：以下代码是完整的可运行示例，展示了如何通过 DashScope SDK 调用百炼智能体 API，支持流式输出以提升用户体验。

import os
from http import HTTPStatus
from dashscope import Application

# 从环境变量读取 API Key，避免硬编码
api_key = os.getenv("DASHSCOPE_API_KEY")
app_id = "your-app-id"  # 替换为实际的 APP_ID

def chat_with_agent(user_message: str, session_id: str = None):
    """调用百炼智能体 API"""
    kwargs = {
   
        "api_key": api_key,
        "app_id": app_id,
        "prompt": user_message,
        "stream": True,  # 推荐开启流式输出
        "incremental_output": True,  # 增量输出，避免重复内容
    }

    if session_id:
        kwargs["session_id"] = session_id

    responses = Application.call(**kwargs)

    full_text = ""
    for response in responses:
        if response.status_code != HTTPStatus.OK:
            print(f"请求失败: code={response.status_code}, message={response.message}")
            break
        chunk = response.output.text
        full_text += chunk
        print(chunk, end="", flush=True)

    # 返回完整文本和 session_id（用于多轮对话）
    return full_text, responses[-1].output.session_id if responses else None

# 单轮对话
result, sid = chat_with_agent("帮我规划一个杭州一日游")

# 多轮对话（传入 session_id 保持上下文）
result, sid = chat_with_agent("如果下雨呢？", session_id=sid)

7.4 HTTP 直接调用示例

Why：如果不想安装 SDK，可以直接用 HTTP 请求调用，适合非 Python 环境。

curl -X POST https://dashscope.aliyuncs.com/api/v1/apps/your-app-id/completion \
  --header "Authorization: Bearer $DASHSCOPE_API_KEY" \
  --header "Content-Type: application/json" \
  --header "X-DashScope-SSE: enable" \
  --data '{
    "input": {
      "prompt": "帮我规划一个杭州一日游"
    },
    "parameters": {
      "stream": true,
      "incremental_output": true
    }
  }'

7.5 前端对接注意事项

流式输出：强烈建议开启 stream: true，智能体调用工具时可能耗时较长，流式输出可以避免超时
session_id 管理：多轮对话需要传递 session_id，注意该 ID 在连续 1 小时无请求后自动失效
错误处理：MCP 服务偶尔超时是正常现象，前端应做好重试和降级展示
并发限制：每个 API Key 有默认并发限制，高并发场景需联系阿里云提升配额

8. 避坑指南

在构建旅行规划助手的过程中，我踩了不少坑。以下是 5 个最常见的坑和解决方案。

坑 1：系统提示词写法直接影响工具调用成功率

现象：智能体经常不调用工具，而是直接编造回答。

原因：系统提示词中没有明确"何时必须调用工具"的规则，智能体倾向于"偷懒"直接回答。

解决方案：在提示词中加入强制规则：

## 严格规则
- 涉及地点信息时，必须调用地图工具查询，禁止凭记忆回答
- 涉及天气信息时，必须调用天气工具查询，禁止编造天气数据
- 涉及路线规划时，必须调用路线工具，禁止猜测距离和时间

坑 2：知识库文档格式和切片粒度的选择

现象：知识库检索返回的内容不相关，或者关键信息被截断。

原因：文档格式不规范或切片粒度不合理。

解决方案：

上传前统一文档格式，每个景点/城市用明确的标题分隔
使用"按标题切片"策略，保持每个切片的信息完整性
设置 chunk_overlap: 50，避免关键信息被切断
开启 rerank_enabled: true，提升检索精度

坑 3：MCP 服务偶尔超时的降级策略

现象：高德地图 MCP 服务在高峰期偶尔超时，智能体长时间无响应。

原因：MCP 服务依赖外部 API，网络波动或服务端压力会导致超时。

解决方案：

在系统提示词中增加降级提示："如果工具调用失败，请告知用户当前服务暂时不可用，并建议稍后重试"
前端设置合理的超时时间（建议 30 秒），超时后展示友好的提示
对于关键信息（如天气），可以同时配置高德天气和天气通两个 MCP 服务作为备份

坑 4：API 发布后的并发限制

现象：上线后并发量稍高，API 返回 429 错误。

原因：百炼 API 默认有并发限制，每个 API Key 的默认 QPS 有限。

解决方案：

在百炼控制台查看当前配额和用量
高并发场景建议使用 Token Plan 订阅，享受更高的并发配额
前端实现请求队列，避免瞬间大量并发
考虑使用缓存：对相同查询的短期结果做缓存，减少重复调用

坑 5：智能体的"幻觉"问题及应对

现象：智能体有时会编造不存在的景点或错误的天气数据。

原因：大模型的生成式本质决定了它倾向于"编造"而非"拒绝"。

解决方案：

系统提示词中明确禁止编造："不要编造不存在的地点或天气信息，所有数据必须来自工具返回"
知识库设置较高的相似度阈值（0.75+），过滤低质量检索结果
开启 enable_thinking 思考模式，让智能体在回答前先反思
对关键信息（价格、时间、地址）增加验证提示："请确认以上信息来自工具查询结果"

9. 总结与下一步

9.1 零代码构建智能体的核心价值

通过本文的实战演示，可以看到百炼零代码智能体构建的核心价值：

效率提升：从传统开发的 5-7 天缩短到 30 分钟
门槛降低：无需编写代码，产品经理也能独立完成
能力丰富：MCP 服务让智能体具备真实的工具调用能力
灵活扩展：知识库 + MCP 的组合覆盖了大部分业务场景

9.2 适用场景和局限性

适用场景：

客服助手、知识问答、信息查询类应用
需要调用外部 API 但逻辑不复杂的场景
快速验证 MVP，低成本试错

局限性：

复杂业务逻辑（如多条件分支、状态机）仍需高代码开发
对实时性要求极高的场景，MCP 调用延迟可能不满足
大规模并发需要额外优化和配额申请

9.3 系列文章预告

本文完成了百炼平台上零代码构建智能体的全流程演示。接下来，我将继续分享：

ECS 部署 AI 应用实战：将百炼智能体部署到阿里云 ECS，实现生产级高可用
百炼工作流深度编排：用可视化工作流实现更复杂的业务逻辑
自定义 MCP Server 开发：当官方 MCP 不够用时，如何开发专属 MCP 服务

如果你在实践过程中遇到问题，欢迎在评论区交流讨论。

📜 真实性声明

本文所有操作步骤均基于阿里云百炼平台 2026 年 6 月最新版本的实际操作验证。百炼控制台界面和功能可能随版本更新而变化，请以官方文档为准。文中涉及的 MCP 服务（高德地图、天气通）均为百炼官方预置服务，开通即可使用。

百炼平台零代码构建智能体全流程：从想法到上线只需 30 分钟

1. 场景：30 分钟构建一个能做事的 AI 助手

1.1 传统开发 vs 百炼零代码的效率对比

1.2 两种开发流程对比

2. 百炼智能体工作台概览

2.1 三种应用类型

2.2 智能体核心能力

2.3 百炼智能体架构全景

3. 创建旅行规划智能助手

3.1 Step 1：选择模型

3.2 Step 2：编写系统提示词

3.3 Step 3：配置人设和开场白

4. 集成 MCP 服务

4.1 添加高德地图 MCP Server

4.2 添加天气查询 MCP Server

4.3 MCP 服务参数配置

4.4 工具调用测试

5. 知识库配置

5.1 上传旅行攻略文档

5.2 文档切片策略选择

5.3 知识库与 MCP 的协同工作

5.4 知识库配置参数

6. 对话测试与调优

6.1 测试场景 1：单城市一日游规划

6.2 测试场景 2：跨城市多日行程

6.3 测试场景 3：实时天气 + 地图联动

6.4 常见问题及调优方法

7. API 发布与前端对接

7.1 发布智能体为 API

7.2 获取 API 端点和认证信息

7.3 Python 调用示例

7.4 HTTP 直接调用示例

7.5 前端对接注意事项

8. 避坑指南

坑 1：系统提示词写法直接影响工具调用成功率

坑 2：知识库文档格式和切片粒度的选择

坑 3：MCP 服务偶尔超时的降级策略

坑 4：API 发布后的并发限制

坑 5：智能体的"幻觉"问题及应对

9. 总结与下一步

9.1 零代码构建智能体的核心价值

9.2 适用场景和局限性

9.3 系列文章预告

阿里云百炼

热门文章

最新文章

相关电子书