在 10 分钟内构建您的第一个 AI 工作流。在本教程中，您将创建一个使用先进的 LLM 驱动搜索工具来提取和结构化个人信息的人员研究代理。
本教程涵盖了在 Sim 中构建工作流的基本概念。预计完成时间：10 分钟。
您将构建的内容
一个人员研究代理，它可以：
- 通过聊天界面接受用户输入
- 使用 AI 驱动的工具（Exa 和 Linkup）进行网络搜索
- 提取并结构化个人信息
- 返回包含位置、职业和教育的格式化 JSON 数据
分步教程
在仪表板中点击 New Workflow 并将其命名为 "Getting Started"。
每个新工作流默认包含一个 Start block——这是接收用户输入的入口点。由于我们将通过聊天触发此工作流，因此无需对 Start block 进行配置。
从左侧面板将一个 Agent Block 拖到画布上并进行配置：
- Model：选择 "OpenAI GPT-4o"
- System Prompt："您是一个人员研究代理。当给定一个人的名字时，使用您可用的搜索工具查找有关他们的全面信息，包括他们的位置、职业、教育背景和其他相关细节。"
- User Prompt：将 Start block 的输出连接拖到此字段中以连接
<start.input>到用户提示
为您的代理增强网络搜索功能。点击 Agent block 以选择它。
在 Tools 部分：
- 点击 Add Tool
- 从可用工具中选择 Exa 和 Linkup
- 提供这两个工具的 API 密钥以启用网络搜索和数据访问
使用屏幕右侧的 Chat panel 测试您的工作流。
在聊天面板中：
- 点击下拉菜单并选择
agent1.content查看代理的输出 - 输入测试消息："John 是一名来自旧金山的软件工程师，他在斯坦福大学学习了计算机科学。"
- 点击 Send 执行工作流
代理将分析此人并返回结构化信息。
配置您的代理以返回结构化的 JSON 数据。点击 Agent block 以选择它。
在 Response Format 部分：
- 点击 magic wand icon (✨) 在 schema 字段旁边
- 输入提示："创建一个名为 person 的 schema，其中包含 location、profession 和 education"
- AI 将自动生成 JSON schema
返回到 Chat panel 测试结构化响应格式。
配置响应格式后，现在可以使用新的输出选项：
- 点击下拉菜单并选择结构化输出选项（您刚刚创建的 schema）
- 输入测试消息："Sarah 是一名来自纽约的市场经理，她拥有哈佛商学院的 MBA 学位。"
- 点击 Send 执行工作流
代理现在将返回结构化的 JSON 输出，其中包含按位置、职业和教育字段组织的个人信息。
您已构建的内容
您已成功创建了一个 AI 工作流，该工作流：
- ✅ 通过聊天界面接受用户输入
- ✅ 使用 AI 处理非结构化文本
- ✅ 集成外部搜索工具（Exa 和 Linkup）
- ✅ 使用 AI 生成的模式返回结构化 JSON 数据
- ✅ 展示实时测试和迭代
- ✅ 展现了可视化、无代码开发的强大功能
您学到的关键概念
使用的模块类型
核心工作流概念
数据流
通过拖动连接线将数据传递到工作流步骤之间
聊天界面
通过聊天面板实时测试工作流，并选择不同的输出选项
工具集成
通过集成 Exa 和 Linkup 等外部服务扩展代理功能
变量引用
使用 <blockName.output> 语法访问模块输出
结构化输出
定义 JSON 模式以确保 AI 响应的一致性和格式化
AI 生成的模式
使用魔法棒 (✨) 从自然语言提示生成模式
迭代开发
通过即时反馈快速构建、测试和优化工作流
下一步
探索工作流模块
发现 API、函数、条件等工作流模块
浏览集成工具
连接包括 Gmail、Slack、Notion 等在内的 80 多种服务
添加自定义逻辑
编写自定义函数以进行高级数据处理
部署您的工作流
通过 REST API 或 Webhooks 使您的工作流可访问
资源
需要详细说明？ 请访问 模块文档，获取每个组件的全面指南。
寻找集成工具？ 浏览 工具文档，查看所有 80 多种可用集成工具。
准备上线了吗？ 了解 执行和部署，使您的工作流达到生产就绪状态。