随着大模型技术快速普及，很多企业已经开始尝试把 AI 融入数字化建设。但不少团队都会遇到现实难题：AI 只会聊天问答，很难真正操作业务系统；想要 AI 完成表单、流程、权限配置，只能靠大量定制开发，落地门槛很高。
JNPF×AI 智能体，不再只是简单的对话机器人，而是可以理解业务意图、调用平台能力、连接知识库与外部工具的 “数字员工”，把自然语言真正转化成低代码平台的实际操作。
什么是 JNPF×AI 智能体？
简单来说，智能体就是我们可以在 JNPF 内部自定义打造的 AI 对话助手。它不是通用大模型的简单套壳，与低代码底座深度打通，具备模型选择、角色设定、知识库、工具、MCP、Skills 技能包全套配置能力。
平台将智能体分为内置智能体和自定义智能体两类：
- 内置智能体：系统自带，对应表单创建、流程搭建等经典业务场景，支持编辑调整，不可直接删除；
- 自定义智能体：开发者、业务人员可以从零创建，也可以复制内置智能体生成副本，按需改造专属 AI 助手。
每一个智能体都支持做完整的个性化设计：
✅ 模型配置：对接云端大模型或者本地 Ollama 部署模型，灵活调整温度、上下文轮数、最大 Token 等参数，适配不同业务对创造力、严谨度的要求。
✅ 角色与提示词：自定义角色人设，支持提示词模板库、AI 一键优化提示词，沉淀企业专属提示资产。
✅ 对话体验：配置开场白、预置问题、快捷指令、回答后推荐相关问题；可开启全网检索、图片&附件上传识别，支持图片生成表单、表单代填等操作。
✅ 知识库 RAG 能力：绑定企业内部知识库，支持按需调用、强制调用两种模式。遇到业务问题优先读取内部文档，解决大模型幻觉、信息滞后的痛点，企业制度、操作手册、业务规范等相关问题都可以交给智能体来回答。
✅ 技能能力（工具 + MCP+Skills）：
这是智能体可以动手干活的核心。
1. 平台工具：直接操控 JNPF 平台，菜单跳转、页签管理、切换多语言、个人中心配置等；
2. MCP 服务：兼容 Model Context Protocol 模型上下文协议，既可以调用 JNPF 原生 MCP 实现创建表单、流程、数据接口、权限分配，也能接入外部成熟 MCP 资源，联网搜索、图表可视化、数据库访问都可以直接拿来用。
3. Skills 技能包：把一套完整工作流、提示、校验逻辑封装成可复用技能包，像给 AI 安装 APP，一键复用文档处理、代码生成、应用生成等成熟能力。
同时平台配套智能服务功能，你可以把调试完成的智能体绑定为场景服务，业务系统内其他模块可以直接调用，把 AI 能力封装成可复用的服务资产。
JNPF×AI 智能体，带来哪些产品优势？
1. 深度打通低代码底座，不止 “聊天” 更能 “做事”
市面上很多 AI 只能输出文字结果，而 JNPF 智能体可以直接驱动平台。一句自然语言指令，就能完成表单创建、流程搭建、权限分配、数据集生成，对话即操作，跳出纯文本问答的局限。
2. 灵活兼容多样大模型，兼顾安全与成本
支持云端大模型（硅基流动、智谱 AI、阿里百炼、深度求索），也支持本地 Ollama 私有化部署。企业可以根据数据安全要求、预算情况自由选型，不需要强制绑定某一家大模型厂商。公共模型统一管控，对话、嵌入、重排、多模态模型集中配置，降低多模型维护成本。
3. RAG 知识库 + 外部技能生态，能力可以持续扩展
内部业务知识存入知识库解决垂直业务问答；通过 MCP、Skills 对接外部海量成熟工具，搜索、图表、文档解析、第三方服务都能接入。不需要重复造轮子，直接复用社区成熟资产。
4. 低门槛自定义，业务场景按需造专属数字员工
不用写复杂 AI 代码，可视化页面完成智能体全部配置。业务部门、实施团队都可以根据业务场景，搭建报销咨询助手、表单流程搭建助手、内部知识库问答机器人，开箱即用。
真实可落地的应用场景
场景一：表单 & 流程快速搭建，开发提效
开发人员直接用自然语言描述业务需求：“帮我搭建一个采购申请表单，包含申请部门、采购物品、预算金额，配套三级审批流程”。AI 智能体理解需求后，直接在平台生成表单字段、控件、审批流程节点，开发者再微调细节，大幅缩短原型搭建周期。
场景二：企业内部业务问答助手
把员工手册、报销制度、项目操作文档全部导入知识库。员工直接在智能助手里提问：“出差报销标准是什么？”“怎么发起采购审批？”，智能体读取内部文档给出准确答案。还可以直接跳转对应业务页面，减少重复咨询运维人员。
场景三：图片 / 文档驱动业务，表单代填识别
上传发票、单据照片，智能体 OCR 识别提取关键信息，自动填充到业务表单；上传需求文档，解析文档内容辅助生成应用配置。
场景四：项目实施的辅助数字员工
实施顾问可以自定义智能体，结合项目资料知识库，辅助生成数据集、权限集合、角色配置，在项目交付过程中完成大量重复性配置工作。
未来：走向 “意图即实现” 的开发体验
JNPF 做 AI，不是简单给低代码加一个 AI 聊天窗口，而是重新思考低代码的定位：从可视化拖拽开发工具，升级为业务语义基础设施。
AI 智能体是整套 AI 体系的起点。后续 JNPF×AI 还会沿着语义化五级阶梯持续迭代：从数据驱动、模型驱动、原子化、知识化，最终走向完整语义化。
未来，我们希望达成这样的开发体验：开发者和业务人员只需要描述业务意图，AI 理解业务概念、读懂低代码平台的规则语义，自动拆解任务、调用知识与技能，生成合规、可落地的企业应用。真正实现描述即开发、意图即实现，让 AI 成为低代码平台的大脑，JNPF 平台成为执行的身体，知识提供感知，各类技能负责实际执行。
同时平台也会持续建设 AI 生态，推进服务共建、知识共建、技能共建，开放插件市场，与官方、开发者、企业客户一起沉淀更多行业的知识库、MCP 服务、Skills 技能包，共建 AI 低代码资产。
写在最后
AI 给低代码带来的变革，不是要替代开发者，而是把开发者从大量重复的配置、造轮子的工作中释放出来，把精力聚焦在业务逻辑和业务创新上。
依托 AI 智能体，AI 能力真正落地到企业数字化的业务流程当中。欢迎大家上手体验，也期待大家在实际使用中给我们反馈，一起打磨更贴合企业真实业务的 AI 低代码能力。
后续我们也会持续输出智能体配置实操教程，欢迎持续关注。
