【万字白话教程:大模型知识引擎LKE】(含完整工作流/智能体配置/知识库/问答训练) 用满血的腾讯云DeepSeek搭建智能体应用(以程序员简历优化等功能为例)

原创

我去热饭

发布于 2025-02-27 00:29:15

50412

大家好，我是热饭君，致力于帮助大家研究用技术做点副业赚点零花...

你可能是任何行业富有经验的老员工，对于你行业的简历优化也肯定是有不少经验，如果说今天这篇文章可以帮你把这些经验变成副业帮你赚生活费的副业，甚至当做一次主要创业，你觉得划算不划算呢？（放心，没有一点难度....）

【本文一共10512个字，120张图，期间修改数十次，总耗时7天。纯手打不易，感谢点赞分享，感谢回复和支持！！！】

眼看着金三银四跳槽热季到了，小伙伴们的简历也该优化一下了，往常都是自己瞎改，跟流水账似的，再就是花大价钱找人给优化，结果也一言难尽。

而现在，有了我们自己的AI自然语言大模型DeepSeek了，那用在简历优化这件事上可谓是太牛了，那如果能搞定这个优化简历的过程后，想给别的人使用，顺便收赚点呢？要怎么做呢？今天本文就来给各位讲一下具体的开发流程吧！。

在以前，想要做一个这样的应用，就要考虑开发、测试、上线、营销、维护等一大堆的复杂工作，对我们个人来说，简直是比登天都难。不过现在不同了，有了腾讯云的这个deepseek，我们不再需要写代码，直接可以通过很简单的部署和设置，就能一站搞定了。

下面开始说具体步骤，各位读者请耐心跟上...

【注意】本教程包含几乎所有看得到的功能讲解：【模型配置】【角色指令】【欢迎语】【知识库】【联网搜索】【输出配置】【高级配置】【评测】【发布】【调优】【工作流】....

第一步：找到腾讯云的大模型知识引擎LKE的主页

主页地址：https://cloud.tencent.com/product/lke

然后点击下图的红色箭头指向的产品体验按钮。会需要微信登录扫码登录。

第二步：开始创建你的具体应用

登录后进入这个页面，然后点击左上角的应用管理按钮

上图我们可以看到已经有了比较清晰的创建步骤，简单来说就是三步：新建、配置、上线！

点击新建应用按钮：

给你的应用取个名字后点击新建（我这个叫程序员简历优化，你们别起重复了）

创建成功后会自动进入你的应用详情界面，如下：

我们先来总体的看一下这个界面，顶部一共有【应用配置、知识管理、工作流管理、应用评测、发布管理、效果调优】六个大页面。这点就能看出腾讯云这次做的应用可不是小儿科了，是很正式的大型应用流程了。

再来看看第一个应用配置页面，他大体分为左右俩个部分，左侧是各种配置，右侧则是预览调试的。

左侧又分为：【模型配置、角色指令、欢迎语、知识库、联网搜索、工作流、输出配置、高级配置】这么多个配置维度，果然够专业。让我们一个一个来配置吧！

第三步：配置你的应用

首先配置你的模型引擎，现在deepseek这么火，肯定要选啊

点击红色箭头指向：

会打开一个配置窗口：

我们继续点击红色箭头指向，会弹出下拉各种模型的列表

列表中，我们选择deepsek-v3 ，这里还贴心的展示了各个模型的特点，很显然，deepseek-v3更符合我们简历优化的要求。

然后是上下文记忆轮数，这个数字越大，越消耗成本，但是效果也会越好，我这个应用是简历优化，肯定是需要很多轮不同侧重点的改写，所以轮数至少是10轮。

然后从上到下，我看看....额...

该角色指令了！也就是写提示词，这里有个模版按钮，点一下，就会帮你生成预置的开头了：

这里我简单解释下这些提示词都是什么意思：

【角色名称】：就是这个应用的角色定位，直接用角色名称就可以，确保准确传达专业背景和经验。

【风格特点】：描述一下你的智能体在跟用户对话时候的表达风格，比如“专业，直接且鼓励性”，或者“耐心，富有深意”，或者“尖酸刻薄，阴阳怪气”都可以哈哈哈。

【输出要求】：就是智能体在输出结果的时候需要遵循的语言风格，结构，格式等。比如可以写“使用专业术语，简洁明了，按照json格式”等等。

【能力限制】：明确智能体的功能和局限性，避免用户期望出现偏差或误解。比如写“能够xxx，但不能xxxx”

【意图名称】：描述用户应该问什么功能，比如“识别简历中的错别字，比如识别简历中的时间错误”

【意图描述】：描述简历优化功能的用途和预期效果。

【意图示例】：给出一个具体的问答对话例子，帮助用户直接借鉴。

【意图实现】：描述智能体应该如何实现该功能，使用哪些数据、算法等，这个感觉比较复杂，得是那些做具体实际功能的才写。

按上面的解释后，我是这么写的：

接下来看下一个配置：欢迎语

欢迎语会在右侧预览面板看到样子：看起来就很高大上有木有？

然后是知识库！这也是一个重点的地方。也是你做的智能体能领先别人做的智能体的关键点，这里你可以把你独家的经验上传上去，之后智能体应有就会优先的学习你的个人经验了，这可以放心上传，是只能你自己这个应用才可以看到和学习的。别人做的应用是学不到的放心！

比如我之前写过很多关于简历优化的文章，此刻都可以直接上传进去了。

上传的时候，会自动跳转到第二个界面：【知识管理】

在这里进行导入即可：

导入的时候，每一篇都要配置好文档标签和分类，以便智能体更准的掌握。

给文档打标签是很多领域很多年之前就必须要有的工作了，对文档的检索分类很重要。

主要是以下三个指标必须弄好：标签名称、标签值-标准词、标签值-同义词。

腾讯云官网给的举例如下：稍后我就按照简历优化的业务方向给设置好对应的。

标签管理弹窗点这里，需要先配置一下：

按照我给简历优化的文档做分类包含如下：

写完一个后点击右下角新建按钮，然后继续添加其他的：

最后点击保存按钮。

当然，这里还可以继续添加其他维度的标签。更多标签，我得有足够的文档才好划分，之后也会持续更新，欢迎关注！

然后就可以在具体导入每篇文档的时候选择标签了（文档支持网页也支持本地）

然后别忘了给你文档做个分类，我这些都取自与我自己写的【饭谈】系列，为了我之后自己区分方便，就新建了这个系列。

完成之后，点击下方导入文档按钮

就可以看到已经导入成功，并且正在解析。

我这里还留存了很多关于简历优化的文档，都是本地的word文档，想要的小伙伴现在就滑动到文章底部，然后留言你自己的邮箱地址，我会一一把文章和对应的标签发送到你的邮箱哦~

好了，然后我们在看右上角的这个知识库设置按钮：点开

可以看到弹出的知识库设置：

让我土话介绍一下这里面各个参数是什么意思吧：

1. 知识库检索范围：

我们之前不是给这一大堆文档设置了标签么？但现在问题来了，一个用户来使用的时候，你怎么判断应该调用那些文档？比如我的文档中有个标签：按照细分领域划分：开发、测试、产品经理等.... 那AI智能体，怎么知道眼前这个用户是什么领域的工程师呢？这就要在这个知识库检索范围中配置了。

那现在又面临一个问题：用户是不是应该给智能体传什么参数，以便确定身份呢？那这个参数又在哪里是什么呢？这些就要在官方的这个文档中找到答案了：对话端接口文档（WebSocket）和对话端接口文档（HTTP SSE）。

所以，我们这里配置的就是 api请求的具体参数和标签的关系，还要规定好是且还是或。

按照官方的说法，其中应用对话端接口有个参数叫：custom_variables ，我们就是要从这里传入的参数来判断用户身份。从上面的文档中，我们看到有关这个custom_variables 参数的描写：

上面可以看到，这个参数是自定义的，里面可以配置很多个键值对(key:value)，也就是说，这个里面具体包括哪些是由我们自定义的。然后根据这里面的字段来确定最终使用哪些标签下的知识库文档。

官方给的示例是这样的：

那上面选的“且”“或”是什么意思呢？

且：就是说当某个用户传的参数中了多个标签的时候，要参考的文档，就必须同时命中这些标签，才能被使用。

或：就是说当某个用户传的参数中了多个标签的时候，要参考的文档，只需要命中任一标签，就可以被使用。

值得注意的是：没有设置标签的文档，会自动被所有情况参考。如果你实在搞不懂一部分，那文档就不要打标签了，也不要设置什么参数来命中标签。虽然这样看起来非常简单了，但也降低了回答的准确度。

就比如我做这个简历优化智能体，一个工作10年的老手来咨询，结果智能体的回答中参考了一些新手建议文档。那么结果显而易见的让老手看不下去，人家最后还要给你智能体贴个评论：“全是废话，我一个10年老司机想优化简历，你让我多写点皮毛知识，是看不起我么？”

所以，要做大，就不能怕麻烦。

那这里涉及到管理这些参数了，点击“暂无数据”输入框，点击⚙管理API参数。

在弹出的窗口中点击新建按钮，再依次输入我们希望的参数：

依次新建好剩下的参数：

然后分别配置好这些参数对应的标签，我选的“或”，因为我文档本来就少，如果来个“且”，还能有几个命中了....

然后我们继续往下看下一个知识点：文档召回设置和问答召回设置

什么叫召回？文档也好，问答也好，为什么要召回？又为什么要设置数量？

首先，所谓召回，就是上下文问答的时候，我们需要把之前聊过的信息片段返回给智能体，才能让智能体充分理解上下午然后去继续聊下去。也就是说其实你每说一句话，大模型都要从头再读一遍你们之前的所有对话，才能给出最新一句的回答。

但是，大模型的计算是有成本的，而且不小。我们普通用户受限于token数，不可能设置无限的召回过多的数量。文档也是，问答对话也一样。而且召回的那么多信息中，其实废话也不少，纯粹是浪费成本。于是，这里我们就要设置召回数量了。

当然，你要是有钱你就把召回数量直接拉满！

如果没钱，那就默认别动这里了。但是有句古话讲的好：穷则精准打击，富则火力覆盖！

什么意思？就是说我们既然不舍得增加召回数量，那就增加召回精确度！

也就是说，匹配度足够高的我们才召回！

但这也不是随便提升的，万一匹配度调的太高了，反而匹配不上，那就得不偿失了。所这个地方到底要怎么调，我们还是在今后的实际使用中，根据反馈一点点调整比较好...

那现在就保持原样，不要做改动，直接点确定完事。

然后我们返回 【应用配置】界面，点击这个知识库右边的高级选项。

打开之后，我们会发现，文档召回和问答召回的设置已经讲过了，在里面外面设置的是一样的。但是却多出来一个新的配置：

检索策略配置！

首先，检索策略这有 混合检索 和 语义检索 俩个。

官方的解释如下：

我再来简单解释和点评一下：

【混合检索】，就是在检索过程中用很多种检索方式(关键词+向量)，然后把结果进行融合。优点是检索的准确性和效率更高。

而，这个向量检索是什么意思呢？就是说通过查询向量和文档向量的相似度进行对比来找到确定的文档，关键字检索就是说查询的关键字能在文档中找不找得到来确定。

【语义检索】，就是说要理解用户的查询意图和文档的大概含义进行比对。优点说白了就是可能找的更多，也更通人性。举个例子：比如你上网查询AI的教程，如果是关键字检索，那么就凡是教程出现AI字样的都会被找到，但结果可能很多文章都是跟AI没半毛钱关系，单纯就是碰巧了一个AI单词。但语义检索，则会理解整篇文章是否是描写AI教程的，哪怕没有出现过AI字样，也会被检索到。

综上所述，俩者各有千秋。不过我做的是简历优化智能体。可能涉及到很多专业名词，这个更适合混合检索(包含关键字检索)来做。

所以我选的是：混合检索

然后看下一个：Excel检索增强

看官方的说明，打开后，就可以更好的理解用户上传的excel表了，但会增加性能损耗。我觉得我的用户上传的最多就是word活着ppt的简历，不会有人上传excel表的，所以这个开关我还是不开为好。

好，到此，知识库相关的算是配置完了(以后少不了要经常根据用户反馈进行修改，文档也要及时更新)

（注意，知识库除了文档功能外，还有个问答功能，这个功能要留到本文后半部分再讲，因为要和后面的评测训练一起讲。）

让我们继续往下配置：

左下角这里可以开启连网搜索，这样才能确保一些最新的互联网消息也能被检索到哦~，不得不说这个功能可真是太牛了，不开白不开，开！

然后我们继续往下看：输出配置

先说这个流式和非流式的区别：

流式是指边生成边输出。这样看起来就是一个字一个字的往外蹦。好处是用户不用等太久，边看边等。

非流式是指全部内容生产好后，再给你一起一次性输出，用户等久了可能直接退了。

所以我们肯定是选流式输出。

回复设置这里怎么选呢？

大模型智能回答所有问题：比较灵活，用户问啥答啥，优点是能聊天，天南地北的聊。

大模型对知识来源以外的问题，按填写内容回答：就是你只能问我关于简历优化的问题，问其他的我都用预置的回答回复，比如“对不起，我不会谈简历优化以外的话题”。优点是更精准更专一，适合数据严谨的智能体。

所以，这里我们选什么都可以，简单点就选第一个好了，能陪用户聊聊天也不错。

然后继续看：高级配置-同义词

按照官方的说法，这个同义词可以提高检索的准确度：

比如我们IT圈有个新兴的行业叫：测试开发工程师，但实际上很多公司叫法都不同。为了让AI智能体理解出现偏差。就要在这里设置同义词。

点击这个设置按钮，打开弹窗后点击新建同义词，输入标准词和其他的同义词，多个同义词用顿号、逗号、分号、回车都可以隔开。

继续这样添加好其他更多的同义词：

好，到此，我们的智能体其实已经完成了初级版本，可以在右侧进行简单调测了：

结果如下，上传了一份普通简历后

其实，上面这些建议中，包括了各种错误的排查和修改建议，也确实出现了我本地知识库文档的一些观点和话术。

然后我继续追问，能不能帮我生成一份新的简历，按照刚刚这些修改建议。然后就输出了如下的：

好了，到此，这个智能体初版算是测试通过了

再看下一个大模块：【工作流】

（目前简历优化功能暂时用不上工作流，于是设计了一个附加功能：“给用户提出学习建议” 来使用工作流，一个智能体可以拥有多个工作流，也就是说可以做很多功能）

让我们先看一下工作流配置的定义，理解这是用来干嘛的...

工作流，要去工作流管理页去配置，所以我们就进入工作流管理界面吧~

简单解释下：

就是【工作流自动化】技术，一个复杂的任务，流程可以分为几个节点，每个节点具体干啥工作这样。然后意思就是说，这个智能体应用，也可以通过现在这个工作流自动化功能，帮你去处理特别复杂的一些任务。

其实，在我们实际生活中，很多工作流程都是复杂且多向的，比如下单网购，那就可能遇到某一步的取消订单，也可能遇到商品库存不足，也可能遇到卖家突然不卖了等各种问题。所以这个工作流还是很复杂的，官网文档中按照图书馆借书画了一个流程，大概长这样...

这下，就知道为啥要用工作流管理页面了吧，因为哪怕一个借书流程其实都很复杂。只有这样才能明确和便捷的处理复杂流程。

那这么多复杂步骤，用这个工作流管理页面，我这个简历优化智能体可以用来做些什么事呢？

如果说还可以做什么功能需要用到工作流的，我想应该是这个：

【给用户提出量身定做学习建议】

那大概的步骤有哪些呢？

0. 按照关键字触发该工作流程。

1. 判断用户所属职业

2. 收集心仪细分领域

3. 收集用户心的目标薪酬

4. 收集用户基础信息（目前的年龄、职级、月薪、工龄等因素）

5. 使用deepseek给用户列出该岗位需要的技能和熟练度

6. 观察用户是否接受，不接受再继续给出优化后的建议

.... 等等

好，大概就是上面这几步骤，还可能增加。

关于其他行业或其他实践的具体步骤，我也有做过一些整理，欢迎小伙伴留言，我会把相关的流程发给您的邮箱哦！

然后实际操作：

点击顶部【工作流管理】，进入后点击左上角的新建工作流按钮，然后新建简历优化流程。

注意，这里的工作流名称和描述不能乱填，因为工作流是要用户触发后才能开始的，人家用户也不一定上来就让你给学习建议，没准就是跟你智能体聊聊天，优化下简历而已，所以需要用户说出固定的话术关键词才能开始触发简历优化功能。而工作流名称和描述，就是规定哪句话会触发启动这个工作流的。

点击确定按钮后，会自动跳转到这个流程的编辑页，而之前的列表页也会显示刚刚创建的这个流程预览：

详情页如下：我们即将在这个画布完成整个流程

首先，我们看到的是一个开始节点，一个结束节点。

我们点击后会发现右侧滑动出来了节点详情：

系统变量（SYS开头）的意思就是任何节点都可以直接调用的，包括【本轮对话内容】【当前时间】等常规参数。还有咱们之前设计用来匹配知识库文档标签的四个变量（API开头），这四个变量也是全局的，可以在任意节点使用。

然后我们在观察下界面的左侧，包含了三类节点：信息收集、信息处理、基础。

（我直接在给大家白话解释了下节点的大致意思）

【信息收集】自己会和用户对话，来收集你要的信息

参数提取：用来收集用户参数的，自己能够多轮反复确认收集结果完整。

选项卡：弄一些选项，让用户自己选的。

【信息处理】对信息进行加工的

大模型：使用大模型来回答用户问题

大模型意图识别：使用大模型来判断用户的意图，yes or no

大模型知识问答：把知识库的回答通过大模型润色后回复

大模型标签提取：提取设定的标签

知识检索：从知识库里检索内容

插件：可以是多种工具之一，官方的或者自定义的都行

工具：通过接口获取外部数据的

代码：编写算法实现自己想做的任何事情

工作流：嵌套其他工作流，听起来就复杂

【基础】决定工作流路线的

条件判断：if else 这样的，根据某个条件，把程序引向不同的分支

循环：循环去做某一件事，直到循环完这节点的所有数据

回复：回复用户的，可以引用变量，或者写死

好，现在基本讲完了这些节点。其实很多年前我也在公司做过工作流自动化平台，不过那时候技术限制(没有LLM)，只能做简单的诸如sql，服务器命令，自定义代码，接口这些。现在看来，腾讯云的这个才是有AI加持的完全体工作流啊。

然后我们开始按照学习建议功能 配置个简单的工作流：

先给大家调试一下，看看成品，然后再讲每个节点！：

细讲一下方法：

前面的节点可以是获取用户说的话中的关键信息保存成中文参数以供后续节点使用的，后续节点引用前面节点的中文参数并重新取一个英文名。

【节点-开始】：什么都不要改。

【节点-询问用户昵称】获取用户的称呼，后续节点大都会引入这个昵称插入到一些提示语中。

【节点-判断用户所属职业】：引入前面用户昵称并起名为username，再插入到引导语，然后再列出4个职业选项让用户选，选到的就是输出的变量:OptionContent。

【节点-收集心仪细分领域】：引入前面用户所选职业变量并重新起名career，然后插入到提示词。然后提取用户心仪的细分领域，输出后自动取名就是‘细分领域’

【节点-收集用户心仪目标月薪】：引入用户昵称，然后插入到提示词。再问用户的目标月薪是多少。输出的变量叫‘目标月薪’

【节点-收集用户个人信息】和上面一样，拿username当引导语，然后一次性询问四个信息

【节点-根据用户信息思考学习建议】一次性把前面的所有变量都引入，并且重新取好英文变量名。然后选一个deepseek-v3模型，然后写上一段给AI看的话并把这些变量插入，让AI根据这段话和里面的变量，给我生成学习建议。学习建议会自动输出作为变量：Content （还有个思考过程-thought，后面可以展示也可以不展示给用户）

【变量-给用户回复学习建议】把刚刚得出的建议Content 给用户回复了。引入的变量都插入到回复内容中哦。

【变量-获取用户反馈】拿前面用户名username插入到提示词，用户给出的回复提取出来成新的参数。

【节点-用户是否满意】对参数【用户对给出的学习建议是否满意】这句话进行理解，看看用户到底满意还是不满意。走俩个分支，这里写了两种意图，一个满意，一个不满意。（系统自动给你加了个其他意图的分支），结果成为新的变量：IntentNames

【节点-收到满意、其他意图】这俩个节点，很简单了，直接回复个谢谢完事！也不需要这个节点有啥输出了。

【节点-收到不满意后的重新给建议】和前面的首次给学习建议的节点几乎一样，就是提示词犀利一点，告知AI用户不满意，给重新生成一个更好，更深刻，更专业的。

【节点-再次给出学习建议】和前面的首次给用户建议一样，就是回复内容要先道个歉。也是直接结束了不需要有啥输出

【节点-结束】工作流结束了，啥也不用设置了，完事了。

好，到此就是该工作流的全部截图，小伙伴们是不是一下就入门了呢？

欢迎留言吧~ 毕竟真正实际的工作中，工作流会超级复杂，各种分支判断循环都上了。开发和测试起来都挺麻烦的，大家多留言交流吧~

然后我们关闭工作流开发页面。在工作流管理页确保刚刚的工作流是启用状态。

然后回到应用配置页面，在右侧测试一下：

可以看到成功触发了。

如上图所示，当用户有意图或者说出想要学习建议的时候，就可以触发该工作流了。当想中断该工作流的时候，只需要点击右上角的清空对话-清除上下文关联即可。

好到此，工作流部分完成。

也是时候让这个智能体进入到关于知识库问答的应用评测阶段了！

其实，所谓评测，就是我们俗话说的训练。根据大量的样本集来不断矫正算法的过程。

【官方解释】：知识引擎应用评测功能支持用户对知识库问答应用的问答效果进行批量测评，以保证实际使用效果。

也就是说，这个训练的其实是关于知识库问答这个功能的训练。

我特意留这个问答功能到现在讲的原因，就是要和后面这个应用评测一起讲。

所以，先来看这个知识库问答功能是个什么玩意？

简单来说，就是这个智能体除了简历优化，获取学习建议外，还可以针对我的本地知识库文档做知识内容问答。也就是更垂直更专业的智能客服。

我举个例子：

假如你问deepseek，你公司研发中心的请假流程是什么？你猜它会怎么回答？它会回答的很通俗，但跟你自己公司的流程毫无相关，因为它压根不知道，毕竟不可能有人会把这个流程发到公司外面网络上。所以你是找不到什么太有效精准的答案的。但现在通过训练你公司自己上传的本地文档《请假规章制度》，就可以让这个智能体准确的参考这个文档来给你回答很精准了。

所以现在让我们来配置一下：

点击顶部banner的【知识管理】→左上角【问答】，就可以切换到问答界面了：