智能体是赋予硬件设备“思考”与“表达”能力的大脑。在将 AI 能力接入硬件设备前，您需要先创建一个智能体来定义设备和用户的交互行为。您可以根据业务需求，为智能体配置 ASR、LLM 及 TTS 等基础能力，还可以结合视觉理解、Function Calling 等高级功能来满足复杂场景需求。本文将指导您如何创建、配置及管理智能体。 ## 前提条件已经开通硬件对话智能体服务并完成授权。更多信息，请参见[第一步：开通服务与授权](/docs/6348/1806625#32875b62)。 ## 创建智能体 1. 登录[硬件对话智能体控制台](https://console.volcengine.com/conversational-ai-embedded/)。 2. 在左侧导航栏，单击 **智能体管理**。 3. 单击 **+创建智能体**。 4. 在 **创建智能体** 对话框，根据[智能体配置说明](/docs/6348/1806630#iiHNW0HxkK)完成智能体配置。 5. 单击 **保存配置**。创建成功后，您可以在 **智能体管理** 页面查看和管理智能体。要在您的设备上应用新建的智能体，必须先将智能体关联到产品上。具体操作，请参见[为智能体关联产品](/docs/6348/1806630#ab7f4a7a)。 ## 智能体配置说明智能体配置包括： * [基础配置](/docs/6348/1806630#6e9b926b)：智能体的基本信息、大模型、语音识别、语音合成及欢迎语。 * [高级配置](/docs/6348/1806630#718bdc8e)：可选配置，方便您优化语音交互体验和启用扩展功能。 ### 基础配置 ![图片](https://p9-arcosite.byteimg.com/obj/tos-cn-i-goo7wpa0wc/b10b373ff4f646d6898b9d6bc37cd5fd =758x) |类别 |配置项 |说明 | |---|---|---| |基础信息 |**智能体名称** |设置智能体的名称，建议使用易于识别的业务名称。 | |^^|**角色模板** |选择预设角色模板或自定义角色。|\ | | ||\ | | |* 预设角色模板：系统提供 **智能助手**、**可爱玩偶**、**情感陪伴**、**儿童百科**、**翻译助手** 等模板，预置了适配相应场景的 LLM、Prompt、音色及欢迎语等配置。|\ | | |* **自定义**：从零开始配置所有参数。 | |**大模型 (LLM)** |大模型类型 |选择驱动智能体对话能力的大模型类型。可选项：|\ | | ||\ | | |* **方舟大模型**：使用火山引擎方舟平台提供的模型。|\ | | |* **扣子 (Coze)** ：接入 Coze 平台的 Bot。|\ | | |* **第三方大模型 / Agent**：接入自建或其他第三方模型。|\ | | ||\ | | |:::warning|\ | | |使用扣子平台、第三方大模型 / Agent 时，产生的 LLM Tokens 无法通过 License 或扩展资源抵扣。|\ | | ||\ | | |* 扣子平台计费方式，请参见[扣子_模型费用](https://www.coze.cn/open/docs/coze_pro/model_fee)。|\ | | |* 第三方大模型 / Agent计费方式，以第三方模型提供商为准。|\ | | ||\ | | |:::| |^^| *（方舟大模型相关配置）* |如果选择 **方舟大模型**，需要配置以下参数：|\ | | ||\ | | |* **ModelName**：选择一个具体的模型。|\ | | | > 示例：“`Doubao-Seed-1.6-flash \| 250715` 深度思考视觉理解文本生成”。其中，`250715` 指模型的时间版本，“深度思考视觉理解文本生成”为模型支持的能力。|\ | | |* **视觉理解模型**（仅适用于支持 **视觉理解** 能力的模型）：|\ | | | 开启后，智能体可理解实时视频画面或外部图片，实现感知环境、理解真人行为、图像问答等。|\ | | | :::warning|\ | | | 使用视觉理解会消耗视频处理扩展资源。您必须为产品分配相应的扩展资源。更多信息，请参见[管理 License 和扩展资源](/docs/6348/2137689)。|\ | | | :::|\ | | | :::tip|\ | | | Doubao\-1.5 及之前系列的模型，不支持同时使用视觉理解能力和 Function Calling 功能。|\ | | | :::|\ | | |* **深度思考模式**（仅适用于支持 **深度思考** 能力的模型）：|\ | | | 设置是否启用深度思考。|\ | | | :::tip|\ | | | 实时对话场景建议关闭深度思考，以减少模型推理延迟，让对话更流畅。|\ | | | :::|\ | | |* **Prompt**：输入用于指导模型生成回应的提示词，定义智能体的人设、语气和回复格式等。 | |^^|（*扣子（Coze）相关配置*） |如果选择 **扣子 (Coze)** ，需配置以下参数：|\ | | ||\ | | |* **URL**：固定为 `http://api.coze.cn`。|\ | | |* **扣子智能体 BotID**：填写已发布的 Coze Bot ID（**发布渠道** 必须包含 **API** ）。|\ | | |* **APIKey**：填写您在 Coze 平台的[个人访问令牌](https://www.coze.cn/open/oauth/pats)。|\ | | | :::tip|\ | | | 在生产环境建议选择更安全的认证方式，如 [OAuth](https://www.coze.cn/open/docs/developer_guides/oauth_apps)。|\ | | ||\ | | | :::| |^^|（*第三方模型/Agent相关配置*） |如果选择 **第三方大模型 / Agent**，需配置以下参数：|\ | | ||\ | | |* **URL**：填写 HTTPS 服务地址，需支持公网访问。|\ | | | :::tip|\ | | | * URL 必须符合火山引擎 [接口标准](/docs/6348/1399966#cae507df)。您可参考 [验证接口](/docs/6348/1399966#.5L2_55So5bel5YW36aqM6K-B56ys5LiJ5pa55aSn5qih5Z6L5oiWLWFnZW50LeeahOivt-axguaOpeWPow==) 检查 URL 是否符合标准。|\ | | | * 如需传递非敏感业务信息（如 `session_id`），可直接拼接在 URL 查询参数中，格式：`https://?<参数名>=<参数值>`。|\ | | | :::|\ | | |* **ModelName**：填写模型名称。|\ | | |* **APIKey**：填写访问模型的 API Key。|\ | | |* **视觉理解模型**（仅适用于支持 **视觉理解** 能力的第三方模型，不适用于第三方智能体）：|\ | | | 开启后，智能体可理解实时视频画面或外部图片，实现感知环境、理解真人行为、图像问答等。|\ | | |* **Prompt**：输入用于指导模型生成回应的提示词，定义智能体的人设、语气和回复格式等。 | |**语音识别 (ASR)** |ASR 服务 |选择语音识别服务。可选项：|\ | | ||\ | | |* **流式语音识别大模型**：识别准确率更高，系统自动识别语言。详细特性参见[流式语音识别大模型](/docs/6561/1354871)。|\ | | |* **流式语音识别**：标准流式识别服务。详细特性参见[流式语音识别](/docs/6561/109880)。 | |^^|（*流式语音识别相关配置*） |如果选择 **流式语音识别**，需配置以下参数：|\ | | ||\ | | |* **选择识别语言**：手动指定识别场景及语言（如 **客服场景 / 流式语音识别\-客服\-中文**）。 | |**语音合成 (TTS)** |TTS 服务 |选择语音合成服务。可选项：|\ | | ||\ | | |* **火山引擎语音合成大模型**：流式输入输出，支持多种情感/方言音色，表现力更生动。详细特性参见[大模型语音合成](/docs/6561/1257543#%E5%8A%9F%E8%83%BD%E7%89%B9%E6%80%A7)。|\ | | |* **火山引擎语音合成**：生成速度快，满足常规语音播报需求，适合短语或标准回复（如提醒、系统反馈）。|\ | | |* **火山引擎声音复刻**：流式输入输出，支持复刻真人音色，语音合成效果更自然。 | |^^|**选择合成声音** |根据业务场景选择合适的音色。|\ | | ||\ | | |* 语音合成大模型与语音合成支持的音色不同，具体以控制台为准。|\ | | |* 声音复刻音色需要先定义后使用。更多信息，请参见[使用声音复刻](/docs/6348/2123111)。 | |**欢迎语** |**欢迎语 WelcomeMessage** |设置智能体在对话开始时主动发送的问候语。 | ### 高级配置 ![图片](https://p9-arcosite.byteimg.com/obj/tos-cn-i-goo7wpa0wc/d34655a0ae48482092ddf43ea58b0db1 =763x) |配置项 |说明 | |---|---| |**语音打断** |开启后，用户在设备播报时说话可打断播报，实现“插话”效果。 | |**关键词打断** |开启后，只有当用户说出特定关键词（如“停止”、“闭嘴”）时可打断播报。|\ | |仅在 **语音打断** 开启时生效。 | |**VAD** |开启语音活动检测 (Voice Activity Detection)，由服务端自动检测用户说话的开始和结束，决定回复的时机。|\ | |若不开启，则需要由设备端自行控制语音输入的开始和结束（例如通过按键触发）。 | |**语义判停** |开启后，服务端将结合语义理解来判断用户是否说完整句话，避免误打断用户说话（如因说话停顿等情形）。 | |**音频快速发送** |开启后，可优化弱网环境下语音对话的流畅度。|\ | |具体机制如下：服务端在每轮对话回复开始时，先将特定时长的音频数据一次性发送给客户端。客户端使用首段音频数据在本地建立播放缓冲区，用于对抗网络抖动。随后，服务端按照指定的时间间隔发送后续音频数据包。|\ | |:::tip|\ | |该功能需要嵌入式 Linux SDK 版本不低于 1.57 才能使用。|\ | ||\ | |:::| |**AI 降噪** |开启后，服务端将对输入音频进行 AI 降噪处理（如过滤空调、风扇、敲键盘等环境噪声），以提升语音识别准确率。 | |**字幕显示** |开启后，可通过客户端接收字幕回调，实现在设备屏幕上显示字幕。|\ | |开关只影响是否开启客户端字幕回调。如需通过服务端接收字幕回调，需要配置以下参数：|\ | ||\ | |* **ServerMessageUrl**：设置接收字幕结果的 URL 地址。|\ | |* **ServerMessageSignature**：设置鉴权签名。|\ | ||\ | |详细使用说明，请参见[接收实时字幕](/docs/6348/2165060)。 | |**上下文历史轮次** |设置智能体记忆的对话轮数，用于维持对话上下文。例如，设置为 `10`，智能体会基于最近的 10 轮对话来理解上下文。|\ | |默认值：`10`。 | |**Function calling** |为智能体配置调用外部工具来获取信息或执行操作（如调节设备音量、查询天气等）的能力。|\ | |:::tip|\ | |适用于所有支持 Function calling 的方舟大模型（推荐 Doubao\-Seed\-1.6）及第三方大模型 / Agent。|\ | |:::|\ | |配置方式：|\ | ||\ | |* 由客户端调用：仅需单击 **创建工具** 添加工具定义，工具执行逻辑由设备端实现。|\ | |* 由服务端调用：需单击 **创建工具** 添加工具定义，并配置 **接收消息 URL**（接收函数调用请求的 HTTPS 地址）和 **接收消息签名**（用于验证请求来源的签名）。|\ | ||\ | |详细使用说明，请参见[使用 Function Calling](/docs/6348/2123225)。 | ## 为智能体关联产品将智能体关联到产品后，产品下的设备便可绑定该智能体，即使用该智能体与用户进行 AI 对话。 :::tip 设备仅能绑定与其所属产品关联的智能体。 ::: **操作步骤** 1. 在 **智能体管理** 页面，找到目标智能体，单击 **关联产品**。 2. 在弹出的对话框中，选择一个或多个产品，然后单击 **确定**。 ![图片](https://p9-arcosite.byteimg.com/obj/tos-cn-i-goo7wpa0wc/143456219dcb4b3f9885ca2721d1d805 =405x) ## 删除智能体如果不再需要使用某个智能体，可以将其删除。 :::warning 删除智能体后，绑定该智能体的所有设备将无法与用户进行 AI 对话。请谨慎操作。 ::: 1. 在 **智能体管理** 页面，找到目标智能体，单击 **... \> 删除**。 2. 在弹出的对话框中，单击 **确定**。 ![图片](https://p9-arcosite.byteimg.com/obj/tos-cn-i-goo7wpa0wc/080c29b12019445f83e43ab0e5a0ad09 =451x)

实时音视频