扣子ai需通过知识库注入、工作流参数调优、结构化提示词、lora适配器及多维表格联动调试实现业务精准适配：上传可复制文本格式文档构建知识库；temperature设为0.4、max tokens为1024、启用引用来源；提示词须明确角色、技能、格式并附few-shot示例；高精度需求下接入匹配版本的lora；wps多维表格需三阶段异步处理且结果仅输出纯文本。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让扣子AI精准理解公司内部术语、按固定格式输出合同条款、自动识别报销单里的发票金额——但默认模型总在关键细节上出错，说明它还没真正“入职”你的业务体系。
知识库注入：用文档替代微调
扣子不支持传统参数级微调，但知识库是等效替代方案，它让模型在推理时动态检索你提供的结构化信息，无需GPU资源，响应延迟低于300ms。
进入智能体编辑页→点击左侧菜单栏【知识库】→点击【添加知识库】。
上传PDF/DOCX/TXT/CSV格式文件，【必须确保文字可复制，扫描件或图片版PDF将导致全文无法被索引】。
上传后等待状态变为“已就绪”，此时系统已完成文本解析与向量嵌入，知识即可被调用。
在提示词中加入明确指令：“所有回答必须严格依据知识库《财务报销制度V2.3》内容，未提及事项一律回复‘该事项未在制度中说明’。”
工作流节点参数调优
大模型节点的参数设置直接影响输出稳定性与专业性，这是最易被忽略却效果最直接的“行为矫正”手段。
在工作流画布中双击任意大模型节点→打开参数面板→将Temperature设为0.4（低于0.3易僵化，高于0.6会编造）。
Max Tokens设为1024，避免法律条款或技术参数被截断；Stop Sequences填入“【结束】”，强制模型在该标记处终止，防止补全无关内容。
启用“引用来源”开关，每次回答自动标注知识库段落编号，方便人工核验依据出处。
提示词结构化重写
提示词不是说明书，而是给模型下达的上岗指令。松散描述会导致模型自由发挥，结构化设计才能锁定输出边界。
第一步：定义角色——“你是一名有5年经验的医疗器械注册专员，熟悉NMPA第二类器械备案全流程”。
第二步：限定技能——“仅能回答与《医疗器械监督管理条例》《体外诊断试剂注册管理办法》直接相关的问题，不推测、不延伸”。
第三步：约束格式——“输出必须包含三部分：①法规依据条目 ②实操步骤（分点编号） ③常见驳回原因（加粗标出）”。
插入1个few-shot示例：提供一条真实问答对，比如“问：首次备案需提交几份纸质材料？答：①法规依据：《办法》第三十二条……②实操步骤：1. 提交2份加盖公章的纸质材料……③常见驳回原因：**未附检测报告原件**”。
LoRA适配器接入（进阶）
当知识库+参数+提示词仍无法满足高精度需求（如财报OCR字段映射、行业术语实体识别），需引入外部LoRA适配器。
方法一：通过插件对接FlagOS部署的MiniCPM-o-4.5-LoRA服务，配置HTTP请求节点，输入字段映射为“image_base64+prompt”，输出解析JSON中的“structured_output”键。
方法二：使用扣子Webhook能力，将用户输入转发至自有微调模型API，返回结果后经条件分支判断是否触发知识库二次校验。
【LoRA权重文件必须与基础模型版本严格匹配，MiniCPM-o-4.5-nvidia不可加载Qwen-7B的LoRA】。
多维表格联动调试
WPS多维表格接入扣子时，必须处理三阶段异步响应：创建任务→轮询状态→拉取结果，否则单元格将始终显示“处理中”。
在按钮脚本中设置初始请求URL为：https://api.coze.com/v3/bot/{bot_id}/chat?access_token={token}，Body含message和session_id。
轮询间隔设为2秒，最大重试20次，每次请求Header带X-Request-ID追踪链路，状态码非200立即终止并报错。
最终拉取结果时，从response.data.messages[0].content提取纯文本，【禁止直接写入HTML标签或Markdown语法，多维表格单元格不渲染富文本】。
