AI-VideoAssistant/docs/content/concepts/assistants.md

助手概念详解

深入了解助手（Assistant）的设计理念和配置细节。

---

什么是助手？

助手是 RAS 中的核心实体，代表一个具有特定角色、能力和行为的 AI 对话智能体。每个助手都是独立配置的，可以服务于不同的业务场景。

助手的组成

flowchart TB
    subgraph Assistant["助手"]
        Identity[身份定义]
        Models[模型配置]
        Capabilities[能力扩展]
        Behavior[行为控制]
    end

    subgraph Identity
        Name[名称]
        Prompt[系统提示词]
        Language[语言]
    end

    subgraph Models
        LLM[LLM 模型]
        ASR[ASR 模型]
        TTS[TTS 声音]
    end

    subgraph Capabilities
        Tools[工具调用]
        KB[知识库]
    end

    subgraph Behavior
        Greeting[开场白]
        Interruption[打断设置]
        Output[输出模式]
    end

---

身份定义

系统提示词

系统提示词是助手最重要的配置，它定义了：

要素	说明	示例
角色	助手扮演什么身份	"你是一名专业的医疗咨询顾问"
能力	助手能做什么	"你可以回答健康问题，但不能开具处方"
限制	助手不能做什么	"不要讨论政治话题"
风格	回复的语气和格式	"保持友好专业，回答简洁"

提示词模板

## 角色
你是{{company}}的智能客服助手"小智"。

## 任务
- 回答用户关于产品和服务的问题
- 协助处理订单查询和售后问题
- 收集用户反馈

## 限制
- 不讨论竞争对手产品
- 不承诺超出权限的优惠
- 遇到复杂问题引导用户联系人工客服

## 风格
- 语气友好亲切
- 回答简洁明了，每次 2-3 句话
- 适当使用语气词使对话更自然

---

模型配置

LLM 模型

大语言模型是助手的"大脑"，负责理解用户意图和生成回复。

参数	说明	建议值
温度	回复随机性，越高越发散	0.7 (对话) / 0.3 (问答)
最大 Token	单次回复长度上限	256-512
上下文长度	记忆的对话轮数	10-20 轮

ASR 模型

语音识别模型将用户语音转为文字。

配置	说明
语言	识别语言，如中文、英文
热词	提高特定词汇识别率
标点	是否自动添加标点

TTS 声音

语音合成将助手回复转为语音输出。

配置	说明
音色	选择声音角色
语速	说话速度，0.5-2.0
音调	声音高低

---

能力扩展

工具调用

通过工具让助手能够执行外部操作：

flowchart LR
    User[用户] -->|"查询订单"| Assistant[助手]
    Assistant -->|调用工具| API[订单 API]
    API -->|返回数据| Assistant
    Assistant -->|回复| User

工具定义示例：

{
  "name": "get_order_status",
  "description": "查询用户订单状态",
  "parameters": {
    "type": "object",
    "properties": {
      "order_id": {
        "type": "string",
        "description": "订单编号"
      }
    },
    "required": ["order_id"]
  }
}

知识库关联

让助手基于私有文档回答问题：

flowchart LR
    Question[用户问题] --> Search[知识检索]
    Search --> KB[(知识库)]
    KB --> Context[相关内容]
    Context --> LLM[LLM]
    LLM --> Answer[回答]

---

行为控制

开场白设置

模式	说明
助手先说	连接后助手主动问候
用户先说	等待用户开口
静默	不自动开场

打断设置

选项	说明
允许打断	用户可随时插话
禁止打断	助手说完才能输入
灵敏度	打断触发的敏感程度

输出模式

模式	说明
语音	TTS 语音输出
文本	纯文本输出
混合	同时输出语音和文本

---

助手版本管理

草稿与发布

gitGraph
    commit id: "创建助手"
    commit id: "配置提示词"
    commit id: "添加工具"
    branch published
    checkout published
    commit id: "发布 v1"
    checkout main
    commit id: "修改提示词"
    commit id: "调整参数"
    checkout published
    merge main id: "发布 v2"

• 草稿: 可随时修改，仅供测试
• 发布: 正式上线，用于生产环境

配置导入导出

支持以 JSON 格式导入导出助手配置，便于：

• 备份和恢复
• 跨环境迁移
• 团队共享模板

---

最佳实践

1. 提示词工程

• 明确角色: 清晰定义助手身份
• 设定边界: 明确能做什么、不能做什么
• 控制长度: 语音场景下回复要简短

2. 模型选择

• 平衡成本与效果: 不一定需要最强模型
• 测试不同供应商: 找到最适合场景的组合
• 考虑延迟: 语音交互对延迟敏感

3. 工具设计

• 单一职责: 每个工具做一件事
• 清晰描述: 让 LLM 正确理解何时调用
• 错误处理: 工具失败时优雅降级

---

相关文档

• 助手配置 - 配置界面详解
• 提示词指南 - 编写高质量提示词
• 工具集成 - 工具配置详情