代理一词可以有不同的含义。在构成一个分层智能体树的多智能体系统中，整个智能体树被称为智能体应用。
智能体应用由一个或多个智能体组成，其中每个智能体可以是根智能体或子智能体。
根智能体（也称为引导智能体）是整个智能体应用的主要入口点和编排器。它通常负责处理与最终用户的主要互动，理解整体目标，并将具体任务委派给合适的子智能体。
子智能体（也称为子级智能体）是更专业的智能体，旨在处理特定任务、领域或功能。例如，子智能体可以负责搜索特定数据库或分析特定类型的数据。子智能体可提高智能体应用的模块化程度和可重用性。
根智能体可以调用子智能体，子智能体也可以调用其他子智能体。
创建智能体应用和根智能体
如需创建智能体应用和根智能体，请执行以下操作：
- 打开 CX Agent Studio 控制台。
- 选择您的项目。
- 点击创建或创建代理。
- 提供代理应用名称。
- 点击创建。如果这是您为项目创建的第一个代理应用，则创建过程可能需要 1-2 分钟。系统会显示智能体构建工具，并为您创建一个根智能体。
- 点击根代理右上角的加号。
- 点击添加指令，为根代理添加指令。
- 点击添加工具，为根智能体添加工具。
创建子智能体
如需创建分代理，请执行以下操作：
- 点击根智能体底部的加号。
- 点击添加分代理。
管理代理应用
如需管理项目的代理应用，请执行以下操作：
- 打开 CX Agent Studio 控制台。
- 选择您的项目。 系统会显示项目的代理应用列表。
对于每个智能体应用，系统会提供以下信息和操作：
- 点击代理应用名称，在代理构建器中打开该应用。
- 已部署到列显示应用部署到的渠道数量。
- 会话数列显示过去 24 小时内使用部署渠道的会话数。
- 上报列显示过去 24 小时内使用部署渠道的上报次数。
- 系统会显示代理应用的最新更新时间。
- 您可以点击特定代理应用的上下文菜单，然后点击导入代理、导出代理或删除代理。如需了解详情，请参阅导出和导入。
语言支持
您应该使用英语设计代理，但代理可以自动检测最终用户输入的语言，并自动使用相同的语言进行响应。如需查看支持的语言列表，请参阅语言参考文档。
模型支持
CX Agent Studio 采用 Gemini 基础模型，可实现生成式推理、指令遵循和多模态功能。您可以为整个代理应用选择一个全局模型，也可以为特定子智能体替换该模型。
CX Agent Studio 中的模型经过性能调优，可提供更出色的客户体验，可能与标准 Vertex AI 产品有所不同。
对于 CX Agent Studio，支持以下模型：
| 模型 | 优化 | 发布阶段 |
|---|---|---|
gemini-composite-v2 |
语音优化 | GA |
gemini-composite-v1 |
语音优化 | GA |
gemini-3.7-flash |
文案优化 | GA |
gemini-3.5-flash |
文案优化 | GA |
gemini-3-flash |
文案优化 | 预览 |
gemini-2.5-flash |
文案优化 | GA |
gemini-3.1-flash-live |
语音优化 | GA |
Gemini Composite V2 模型
Gemini Composite V2 模型是适用于企业语音智能体的 Composite V1 模型的下一个版本。它使用与 Composite V1 相同的 Listener 和 Thinking 模型，但升级了 Speaker 模型，从而带来了以下改进：
- 更自然的语音： 语速、语调和表达方式更自然。
- 精准控制语音输出：内嵌标签会在您放置的位置添加停顿、呼吸、笑声和语调变化。
- 提高了字母数字准确率：更准确地读取跟踪编号、手机号码和地址等值。
如需使用 Composite V2，请选择 gemini-composite-v2 作为智能体应用的全局模型。如果您要从 Composite V1 迁移代理，请参阅从 Composite V1 迁移。
Gemini Composite V1 模型
Gemini Composite V1 模型专为企业语音智能体而设计。 它结合了三个子组件模型，可严格遵循指令、出色地执行工具，并提供卓越的语音稳定性：
此复合模型由三个底层子组件模型组合而成：
- Listener 模型：将传入的音频转换为转写内容，并实时消除噪声。
- 思考模型：处理输入、执行指令并运行后端工具。
- Speaker 模型：将文本回答转换为自然、低延迟的语音。
复合模型的最佳实践
请遵循以下最佳实践，通过 Composite V2 模型获得自然、可靠的语音。Composite V2 会根据标点符号和上下文来调整语音输出，因此大多数回答听起来都很自然，无需额外指示。 从简单开始，仅在能改善对话时添加指示。
说话风格
语音设置中的说话风格会影响每个回答的语音。 请遵循以下原则：
- 从空白说话风格开始。 请先测试不带说话风格的智能体，然后仅在有帮助时添加说话风格。
- 尽量简短。
用大约十几个字词描述说话者，例如其年龄、音色、音高、口音和语速。
例如：
Friendly woman in her early 30s, warm mid-pitch voice, relaxed conversational pace。 - 描述说话者是谁，而不是他们的感受。 使用内嵌标记来表达瞬息万变的情感。
- 避免使用冗长的提示。 长篇幅、多部分的提示（例如包含场景和导演备注的音频配置文件）可能会导致语音在通话过程中发生偏移，并可能与内嵌标签冲突。
内嵌代码
智能体回答中的内嵌标记可在特定时间点控制语音输出。 如需使用这些标记，请在智能体的指令中告知智能体何时在回答中添加标记。
下表列出了常见标记：
| 标记类型 | 示例 | 效果 |
|---|---|---|
| 暂停 | <short pause>，<long pause> |
添加短时间或长时间的静音。 |
| 声音 | <breath>、<sigh>、<chuckles>、<exhales> |
在您放置的位置添加一次非语言声音。 |
| 语气 | <warm>、<calm>、<empathetic>、<positive>、<clear> |
设置音调，直到下一个音调标记。 |
在以下示例回答中，智能体从同理心语气转变为积极语气：
<calm><empathetic> I'm so sorry your flight was canceled. <positive> The good news is that I've already rebooked you on the next flight out.
使用内嵌代码时，请遵循以下准则：
- 使用尖括号。
将标记写为
<sigh>，而不是[sigh]。 - 将标记放在句子的开头。
您可以在其中堆叠标记，例如
<calm><empathetic>。 只有停顿标记可以放在句中，位于标点符号之后。 例如：I checked your account, <short pause> everything is in order.。 - 每个回合使用一到两个标签。 大多数客户对话都不需要更多。
- 请勿使用结束标记，例如
</warm>。 语气标签会一直有效，直到下一个语气标签出现。 - 请使用英语标签，即使您的代理使用其他语言回答也是如此。
- 使用大写字母和标点符号来强调。 将某个单词大写以强调它，并使用省略号表示自然的犹豫。
如需查看完整标记列表，请参阅 Gemini TTS 提示指南。
数字和标识符
为确保智能体正确读出数字、货币、日期、手机号码和字母数字 ID，请在全局指令中添加文本标准化规则。例如，让代理将 $87.25 读作“eighty-seven dollars and twenty-five cents”，并逐个字符读出订单 ID XED1234。说明这些规则仅适用于语音回答，因此代理仍会将原始值（例如 XED1234）传递给工具。
从 Composite V1 迁移
如需将现有代理从 Composite V1 迁移到 Composite V2，请执行以下操作：
- 在语音设置中，将所有长说话风格提示替换为简短说明，或将其留空。
- 在指令和工具中，将方括号标记更改为尖括号。
例如，将
[sigh]更改为<sigh>。 - 为智能体应用以及任何替换全局模型的子智能体将模型设置为
gemini-composite-v2。 - 在部署代理之前，请使用常规评估和用户验收测试对其进行测试。
代理应用设置
查看设置。
智能体设置
查看设置。