角色设定与参数配置 (Personality & Parameters)
这是 Agent 的“灵魂”所在，通过配置模型、预设消息、关联资源和知识库，定义 Agent 的行为逻辑和知识边界。
1. 核心设定
- 模型配置: 为该 Agent 指定默认的服务渠道（Profile）和模型 ID。你可以为不同 Agent 分配擅长不同领域的模型。
- 关联用户档案: 绑定特定的用户档案，在发送请求时自动注入用户姓名、性格、背景等信息，实现个性化交互。
- 预设消息 (Presets):
- 角色定义: 支持
system(系统提示)、user(用户示例)、assistant(助手示例)。 - 注入策略:
- 深度 (Depth): 控制消息插入到对话历史的深度。
- 高级深度: 支持多点或循环语法（如
3, 10~5），实现极其复杂的上下文排布。 - 锚点 (Anchor): 将消息固定在上下文的特定位置（如最顶部或最底部）。
- 开场白显示: 设置前 N 条预设消息在聊天界面中作为“开场白”展示，方便快速进入状态。
- 角色定义: 支持
2. 关联资源
Agent 可以通过关联其他子系统来增强能力：
- 快捷操作: 关联快捷操作组。激活该 Agent 后，对应的快捷按钮将直接出现在输入框上方。
- 世界书 (Worldbook): 关联世界书，实现关键词自动触发背景设定注入。
- 禁用递归扫描: 防止世界书条目互相触发导致的上下文爆炸。
- 扫描深度: 控制系统回溯多少条历史消息来匹配关键词。
3. 知识库 (RAG)
配置 Agent 访问私有知识库的检索策略。
- 检索引擎: 支持向量检索（Vector）、全文检索（Fulltext）、混合检索（Hybrid）等。
- 召回配置:
- 召回上限: 检索结果的数量上限（实际截断以分数阈值为主）。
- 最低分数阈值: 低于此分数的条目直接丢弃，这是实际的截断依据。
- 字数上限: 防止召回内容过多撑破上下文窗口。
- Embedding 模型: 统一使用知识库全局配置（在知识库工具设置中管理）。
- 结果模板: 自定义检索结果如何呈现给 LLM，支持
{content},{score},{tags}等变量。 - 门控与缓存:
- 标签门控: 仅当消息匹配特定标签时才触发检索。
- 上下文窗口: 取最近 N 轮对话（User + AI），分别向量化后加权融合为检索向量。
- 检索缓存: 精确文本匹配缓存，同一查询文本直接复用结果。
4. 模型高级参数
在「模型参数编辑器」中，你可以精细调整模型的生成行为：
- 基础参数: Temperature (随机性)、Top P、Max Tokens。
- 惩罚参数: Frequency Penalty (频率惩罚)、Presence Penalty (存在惩罚)。
- 安全设置: 配置模型的内容过滤级别（Hate, Harassment, Sexually Explicit 等）。
- 后处理 (Post-processing):
- 停止词 (Stop Sequences): 遇到特定字符串时停止生成。
- 逻辑偏置 (Logit Bias): 强制模型更多或更少地使用特定 Token。