数据分析agent智能体搭建实战经验分享（COZE和DIFY）

2025年，随着价格低廉且性能卓越的deepseek的横空出世，基于LLM的智能体应用也跟着火爆起来了。业界称2025年将是智能体的元年。最近研究了一番智能体的搭建，分享给大伙子们，入门的操作希望大家自行从各自的网站中查找帮助文档。希望对大伙子们有帮助。

智能体名称：销售业绩助手
智能体功能：回答有关销售业绩的问题，多维度和视角解答有关销售数量、销售金额的统计、对比分析。
典型问题：时间维度和业务维度上的销售额、销售数量，各种排名分析。
功能要求：查询某个期间、某个或某些维度上的数据后，可返回上一个期间的数据并计算环比。
搭建基本思路：1)用LLM解析用户输入的内容，经过结构化的整理;2)调用代码生成模型（插件或工具自带自然语言转换成SQL代码的功能）生成SQL代码;3)链接数据库或知识库进行查询，返回结果；4）LLM经过整理后回答。

前面简单的就不一一介绍了，大家登录COZE官网扣子-AI 智能体开发平台，也有一些基本的操作指引。

建议大家重点研究下工作流，将智能体的工作步骤分解成工作流，更规范，更容易得到你想要的结果，否则完全看LLM理解并拆分行动项，难免出现偏差。

因为我提前创建过两个，创建的过程我也不讲了，点击右上角创建资源，按照引导一步一步跟着做就可以了。重点讲一下工作流中的设置内容。

首先，大家可以看到，这里有2个工作流。

sales_performance_1，用于处理用户询问排名相关的信息；
sales_performance_2，用于处理用户询问常规的业绩相关信息；我们先看sales_performance_1。

这个workflow分为4个节点，开始节点和结束节点是必须要有的。其他两个节点分别是：

大模型_2-top：这个节点主要作用是将用户在agent智能体中的输入内容，结构化的整理成方便下一个节点识别的自然语言，方便后续节点生成sql代码并执行，稍微规范下进行处理。我们看看里面的设置内容：

首先在右侧，可以选择调用的模型，我们这里选择豆包。然后对于这个节点，它的输入是什么，无疑是开始节点的input。

其次，我们要有一些系统提示词和用户提示词给到这个节点的大模型。

系统提示词：其中那个{{input}}，是你输入”{“后会跳出来让你选择的，是变量，这里直接引用它，也是方便大语言模型更好的识别。这里看到我们要求大语言模型就输出下面的内容。

用户提示词：是比系统提示词低一个层级的提示词，可以告诉LLM具体应该怎么干。可以看到，在用户提示词中，我们明确的规定了，如果识别到最多、最高、最好等字样，排名就是前1。如果识别到top5，top10等，排名就是前5，前10。下面也给了一个输出的示例，方便大语言模型理解。

2. 知识库检索_2这个节点，是将上一个LLM节点输出的内容转换成SQL代码并查询表格中的数据。我们看一下里面的具体设置：

可以看到，上图中还有一个知识库：sales_performance，销售业绩表格数据，这个知识库是要提前创建好的。事先在线下准备好一个数据表格，包含销售业绩的数据，然后创建知识库上传。

线下表格示例：

上传步骤：

按照上面的步骤一步一步往下做就可以了，注意后面要设置字段类型和中文字段名称。

再加上一个结束节点，处理排名相关信息的工作流就算是完成了。接下来我们看一下，处理常规查询的工作流workflow:sales_performance_2

sales_performance_2这个工作流主要处理常规查询，比如用户问：今年3月份内贸销售金额是多少？

注意，前面提到过，当用户问某一个期间的数值时，同步给出上一个期间，也就是示例问题中的2月份内贸销售金额。

所以这里面就需要有两段查询，一个是查询当前期间的，一个是查询上一期间的。

思路还是一样的，LLM先结构化的整理用户输入的问题，给到知识库检索，方便生成更规范的SQL代码并查询。

两条路线的设置基本类似，我们重点看下”上一周期”这个分支。

跟sales_performance_1中的提示词区别有：

这里没有排名信息
这里没有选择字段信息，因为只要统计总值就可以了。

这里再说一下，为什么不将排名的那个工作流sales_performance_1跟这个放在一起，原因有两个：

工作流中的分支过多可能会影响用户问答的响应速度
我设置两个工作流，也是为了演练下多智能体的搭建。我在DIFY平台的搭建中就又将几个查询的分支全部融合在一起了。

好了，这里全部都准备好了之后，接下来我们搭建多智能体：

思路：因为前面创建了2个工作流，搭配工作流，我们创建两个智能体，一个是处理排名查询的智能体，一个是处理常规查询的智能体，在这两个智能体之前，我们再设置一个智能体，用于判断什么情况下调用排名查询的智能体，什么情况下调用常规查询的智能体。

几个关键的设置：

会话结束后，下一次会话从哪个节点开始。点击下方进行设置。我们这个案例中，因为不知道用户下次输入的查询是关于排名的还是常规查询的，因此我们设置每次都从判断节点开始

2. 判断节点的设置：

对于常规查询智能体，我们需要调用sales_performance_2这个常规查询的工作流，并且有结果之后，我们希望画个柱状图进行展示，因此再加一个技能插件：图标大师中的柱形图。

其他的提示词，根据调试的结果可以不断完善。

添加工作流sales_performance_2和图标大师

不管是COZE、DIFY还是FASTGPT活着是其他的智能体开发平台，基本的原理都是相同的。所以基于DIFY Dify.AI · 生成式 AI 应用创新引擎搭建仅介绍关键的步骤。

上文说过，在DIFY中，我将查询当前期间结果，上一期间结果和排名信息结果这三个分支处理在一个工作流中。

处理思路：

1.先用LLM，结构化整理用户输入的信息，也就是3个节点：LLM-结构化整理

2.调用LLM coder大模型，生成SQL代码，也就是3个节点：LLM-生成代码

3. 链接数据库并查询，也就是3个节点，代码执行。

注意：这里跟COZE的一个很大区别是，COZE中直接有工具叫“知识库查询”，并且支持从知识库中SQL查询；但是DIFY中我没找到，也许后续有人可以开发出来插件工具。未来可以想象的空间还是很大的。但这里我们是先通过一段python代码，链接一个数据库，然后从数据库中sql查询，这里一定需要技术同事的帮忙。

提示词跟COZE中设置的差不多。