octop v1.0.0不提供“专家模板”功能，该术语在官方文档及代码库中均未出现；实际可配置的是专家角色调用、connector参数（如cos的endpoint/bucket/密钥）、agent yaml文件（需停机修改）及多用户权限分配。
☞☞☞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☜☜☜
Octop v1.0.0 并不提供“专家模板”这一功能模块，也没有内置可编辑的「专家模板参数」配置界面或 YAML 字段。该术语在 Octop 官方文档、GitHub 仓库（TencentCloud/Octop）及所有已发布版本说明中均未出现。
你可能混淆了以下概念：
-
专家角色（Expert Roles）：Octop 支持通过
@角色名调用预置专家，如@营养师、@法律顾问、@代码审校。这些角色是系统级定义的 Agent 行为策略，其能力由后端模型 + 工具链 + Connector 共同实现，不可通过用户界面修改参数。 - 技能包（Skills）或工具接入：真正可配置的是外部服务连接器（如 COS、微信、腾讯文档），而非“模板”。例如配置腾讯云 COS 时填 Endpoint、Bucket、密钥——这是 Connector 参数，不是专家模板。
-
工作区（Workspace）与记忆上下文：每个用户/专家角色的数据隔离靠
harness-memory和 JWT 用户上下文实现，相关参数在/opt/octop/config/memory.yaml中控制持久化路径与 TTL，但属于系统级配置，非“模板参数”。
如果你实际想实现的是：
让某个专家角色固定使用特定模型或工具
需编辑对应专家的 Agent 配置文件（位于容器内 /app/config/experts/ 下的 YAML 文件，如 legal-advisor.yaml），手动修改 model, tools, system_prompt 字段。注意：
- 修改前需停机：
docker compose down - 文件需挂载到宿主机，否则重启即丢失
-
system_prompt可调整角色口吻与专业边界，但不能改变底层工具调用逻辑
批量复用某类专家行为配置
Octop 不支持导出/导入专家配置，但可通过以下方式复用：
- 将修改后的 expert YAML 文件保存为内部模板（如
expert-template-legal-v1.yaml） - 新建专家时复制粘贴内容，再替换
id和name - 使用
octopctl expert apply -f my-expert.yaml命令加载（需 CLI 工具 v1.0.0+）
为不同用户分配不同专家权限
这由多用户体系控制，而非参数配置：
- 管理员在
/admin/users中为成员分配角色（admin/member） - 普通用户只能调用默认启用的专家；管理员可在
/admin/experts页面开关各专家的全局可见性
不复杂但容易忽略：Octop 的专家能力本质是运行时动态编排的结果，不是静态模板。它的灵活性来自 MCP（Model Context Protocol）和 Connector 的组合调度，而不是靠改几个参数就能定制“专属专家”。真正可控的，是数据来源、工具权限、记忆范围和用户隔离粒度。
