Benutzerdefinierte KI-Agenten in Tongyi Qianwen erstellen: Systemanweisungen, Wissensdatenbanken und Plugins in der Praxis

Wissensarbeiter und Projektteams stoßen beim Einsatz universeller Sprachmodelle häufig auf dieselbe Ineffizienz: Bei jeder neuen Chat-Sitzung müssen komplexe Hintergrundkontexte, Unternehmensrichtlinien und Tonalitätsvorgaben erneut eingegeben werden. Zudem können Standardmodelle nicht auf vertrauliche interne Unternehmensdaten zugreifen, was häufig zu ungenauen Standardantworten oder frei erfundenen Fakten (Halluzinationen) führt.

Tongyi Qianwen (basierend auf der Qwen-Modellfamilie von Alibaba Cloud) löst dieses Kernproblem durch die Architektur benutzerdefinierter Agenten (Custom Agents). Durch das Zusammenspiel dreier Komponenten — präzise Systemanweisungen (Prompts & Persona), private Dokumenten-Wissensdatenbanken (RAG: Retrieval-Augmented Generation) und interaktive Werkzeug-Plugins — verwandeln Teams ein allgemeines Sprachmodell in einen persistenten, verlässlichen und domänenspezifischen digitalen Assistenten.

Ob über die benutzerfreundliche Web-Oberfläche von Tongyi Qianwen oder skaliert über das Alibaba Cloud Model Studio (Bailian): Die Beherrschung dieser Agentenarchitektur hebt die betriebliche Produktivität und Prozesssicherheit auf ein neues Niveau.

Die drei Grundpfeiler eines Tongyi-Qianwen-Agenten

Ein produktionsreifer Business-Agent ist weit mehr als ein gespeicherter Prompt. Er bildet ein automatisiertes Gesamtsystem, in dem Modell-Logik, privates Dokumentenwissen und externe Schnittstellen nahtlos ineinandergreifen.

+-------------------------------------------------------------------+
|               Benutzeranfrage / Betriebliche Aufgabe              |
+---------------------------------+---------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
|             Tongyi Qianwen Agenten-Steuerung (Qwen)               |
|                                                                   |
|  +--------------------+  +--------------------+  +--------------+  |
|  |  Systemanweisung   |  | Wissensdatenbank   |  |   Plugins    |  |
|  | Rolle, Regeln und  |  | RAG: Private Daten |  | APIs, Suche, |  |
|  | Verhaltensgrenzen  |  | & Dokumente        |  | Python-Code  |  |
|  +--------------------+  +--------------------+  +--------------+  |
+---------------------------------+---------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
|         Belegte, strukturierte und direkt nutzbare Ergebnisse     |
+-------------------------------------------------------------------+

1. Systemanweisungen (System Instructions): Rollenprofil und Verhaltensgrenzen

Die Systemanweisung definiert die Identität, Fachkompetenz und Arbeitsregeln des Agenten. Fehlt eine klare Anweisung, verfällt das Modell in beliebige, allgemeine Chat-Muster.

Eine produktionsreife Anweisung umfasst:

• Rolle und Persona: Fachgebiet, Senioritätslevel und Zielgruppe (z. B. Senior Cloud Solution Architect oder Compliance-Prüfer).
• Prozessschritte (SOP): Die exakte Abfolge der Aufgabenbearbeitung (z. B. Intention analysieren, interne Wissensdatenbank abfragen, strukturierte Zusammenfassung generieren).
• Verhaltensgrenzen und Schutzregeln: Eindeutige Vorgaben, was der Agent unterlassen muss (z. B. keine Spekulationen über nicht dokumentierte Produktfunktionen).
• Ausgabeformatierung: Vorgabe von Markdown-Tabellen, präzisen Bullet-Points oder JSON-Strukturen.

2. Wissensdatenbanken (Knowledge Base / RAG): Faktenbasierte Evidenz

Universelle KI-Modelle besitzen zwar umfangreiches Weltwissen, kennen jedoch weder interne Produkthandbücher noch vertrauliche Unternehmensrichtlinien oder Kundenverträge.

Die Wissensdatenbank nutzt Retrieval-Augmented Generation (RAG):

• Beim Hochladen zerlegt die Plattform Dokumente in semantische Abschnitte (Chunks) und wandelt diese in Vektor-Embeddings um.
• Stellt ein Anwender eine Frage, sucht die Engine nach den semantisch relevantesten Textstellen in den hinterlegten Dokumenten.
• Der Agent formuliert seine Antwort ausschließlich auf Basis dieser nachgewiesenen Textstellen, wodurch Halluzinationen vermieden werden.

3. Werkzeug-Plugins (Plugins / Tools): Handlungsfähigkeit und Systemanbindung

Während Sprachmodelle Texte interpretieren und verfassen, ermöglichen Plugins Aktionen in der Außenwelt:

• Plattform-Werkzeuge: Websuche für Echtzeitdaten und Marktanalysen; Code-Interpreter (Python-Sandbox) für mathematische Berechnungen und Datenvisualisierungen; Bildgenerierung via Wanx (Tongyi Wanxiang).
• Benutzerdefinierte API-Plugins: Anbindung interner REST-Schnittstellen (CRM, Ticketsysteme, ERP-Bestände). Das Modell extrahiert Parameter aus der Konversation und löst Abfragen automatisch aus.
• Model Context Protocol (MCP): Standardisierte Schnittstellen zur flexiblen Anbindung lokaler Datenquellen und Entwicklerwerkzeuge.

Standard-Chat vs. Benutzerdefinierter Agent im Vergleich

Schritt-für-Schritt-Anleitung: Agenten erstellen

Schritt 1: Basisprofil anlegen und Modell auswählen

1. Öffnen Sie die Agenten-Verwaltung in der Tongyi-Qianwen-Weboberfläche oder in der Konsole des Alibaba Cloud Model Studio.
2. Wählen Sie Agent erstellen (bzw. Anwendung erstellen).
3. Legen Sie die Stammdaten fest:
   • Name: Funktionale Bezeichnung (z. B. RFP-Prüfassistent für Cloud-Lösungen oder Reisekosten-Compliance-Bot).
   • Beschreibung: Kurze Zusammenfassung für Kollegen über Einsatzbereich und Zweck.
   • Avatar: Passendes Symbol für die Rolle.
4. Wahl des Basismodells:
   • Qwen-Max: Höchste logische Schlussfolgerungsfähigkeit und zuverlässige Werkzeug-Orchestrierung für anspruchsvolle Aufgaben.
   • Qwen-Plus: Ausgewogene Kombination aus Antwortgeschwindigkeit und Kosteneffizienz für Standardrecherchen und Kundensupport.
   • Qwen-Long: Spezialisiert auf riesige Kontextfenster, ideal für die Analyse umfangreicher Geschäftsberichte und Normenwerke.

Schritt 2: Strukturierte Systemanweisung verfassen

Vermeiden Sie unpräzise Einzeiler. Nutzen Sie ein gegliedertes Markdown-Format:

# Rolle
Du bist der leitende Presales-Lösungsberater unserer Cloud-Sparte. Deine Aufgabe ist es, Account Manager bei der präzisen und technisch fundierten Beantwortung von Ausschreibungen (RFP) zu unterstützen.

# Fähigkeiten & Werkzeuge
1. Du hast direkten Zugriff auf die Wissensdatenbank mit unseren offiziellen Produkthandbüchern und Sicherheitszertifikaten.
2. Du kannst bei Bedarf eine Websuche durchführen, um öffentlich zugängliche Mitbewerberdaten zu prüfen.

# Verhaltensregeln & Grenzen
- Faktenorientierung: Bei Fragen zu Leistungsdaten, Preisen und SLAs musst du zwingend die Wissensdatenbank heranziehen. Zitiere stets Dokumententitel und Abschnitt.
- Keine Spekulationen: Fehlt eine geforderte Information in der Wissensdatenbank, antworte eindeutig: "Diese Eigenschaft ist in unseren freigegebenen Dokumenten nicht erfasst." Stelle keine Vermutungen an.
- Tonalität: Sachlich, professionell und präzise. Keine ausschweifenden Höflichkeitsfloskeln.
- Format: Strukturiere Ergebnisse in Aufzählungspunkten und nutze Markdown-Tabellen bei Gegenüberstellungen.

Schritt 3: Private Wissensdatenbank einbinden

1. Navigieren Sie im Konfigurationsmenü zum Bereich Wissensdatenbank und wählen Sie Wissensdatenbank hinzufügen.
2. Laden Sie Ihre Geschäftsunterlagen hoch. Unterstützt werden Formate wie .pdf, .docx, .txt, .md sowie tabellarische .csv-Dateien.
3. Passen Sie die Indizierungs- und Abrufparameter an:
   • Segmentierung (Chunking): Wählen Sie semantisches Chunking für Fließtexte und zeilenbasierte Segmentierung für Tabellen.
   • Schwellenwert (Top-K): Stellen Sie sicher, dass nur Textstellen mit hoher Relevanz in den Arbeitskontext des Modells gelangen.
4. Weisen Sie das Modell im Prompt an, die Fundstelle in der Antwort zu benennen, um manuelle Prüfungen zu erleichtern.

Schritt 4: Standard-Werkzeuge aktivieren und eigene APIs einbinden

1. Integrierte Werkzeuge aktivieren:
   • Websuche: Sinnvoll für Agenten, die Marktveränderungen und Branchenstandards beobachten.
   • Code-Interpreter (Python-Sandbox): Unverzichtbar für Datenanalysen, Tabellenkalkulationen und Diagrammerstellung.
2. Benutzerdefinierte API-Plugins einrichten (Fortgeschritten):
   • Klicken Sie auf Eigenes Plugin erstellen, hinterlegen Sie die Basis-URL Ihres internen Dienstes und wählen Sie die Authentifizierungsmethode (z. B. Bearer Token).
   • Definieren Sie Pfade (wie /lagerbestand_abfragen oder /ticket_erstellen) und beschreiben Sie jeden Parameter ausführlich in natürlicher Sprache. Das Qwen-Modell nutzt diese Erläuterungen, um Funktionsaufrufe eigenständig zu steuern.
   • Führen Sie im Testfenster einen Probeaufruf durch, um die JSON-Rückgabe zu validieren.

Schritt 5: Sandbox-Prüfung und Grenzwert-Tests

Vor der finalen Freigabe sollte der Agent im Vorschaufenster systematisch geprüft werden:

• Wissensabruf testen: Stellen Sie Detailfragen zu internen Richtlinien und prüfen Sie, ob die Antworten auf den korrekten Dokumentenstellen basieren.
• Grenzen austesten: Fragen Sie gezielt nach nicht existierenden Features, um sicherzustellen, dass der Agent Spekulationen verweigert.
• Werkzeugaufrufe prüfen: Stellen Sie Rechenaufgaben oder fordern Sie Live-Daten an, um die Ausführungsprotokolle der Plugins zu kontrollieren.

Schritt 6: Veröffentlichung und Bereitstellung im Unternehmen

1. Klicken Sie auf Veröffentlichen.
2. Wählen Sie die Zugriffsberechtigung:
   • Privat: Für die persönliche Produktivität.
   • Team-Workspace: Zur gemeinsamen Nutzung innerhalb der Abteilung, um Qualitätsstandards zu vereinheitlichen.
   • Öffentlicher Link: Für Kundenberatung oder Demonstrationszwecke.
3. Für tiefere Systemintegrationen können Sie die generierte App ID und das DashScope SDK nutzen, um den Agenten in Kollaborationsplattformen wie DingTalk, Slack oder Unternehmensportale einzubinden.

Drei praxiserprobte Agenten-Konzepte

Konzept 1: RFP- und Compliance-Prüfer für Ausschreibungen

• Zielgruppe: B2B-Presales-Ingenieure und Angebotsmanager.
• Aufgabenschwerpunkt: Abgleich von Kundenanforderungen mit internen Sicherheits- und Zertifizierungsnachweisen.
• Wissensdatenbank: SOC2-Berichte, ISO27001-Zertifikate, Standard-SLAs und technische Leistungsbeschreibungen.
• Plugins: Code-Interpreter (Berechnung von Verfügbarkeitsgarantien und Preisstaffeln).
• Ergebnis: Strukturierte Konformitätsmatrix (Erfüllt, Teilweise erfüllt, Nicht erfüllt) mit Quellenverweisen.

Konzept 2: Finanz- und Budgetanalyse-Assistent

• Zielgruppe: Finanzleiter und Controlling-Mitarbeiter.
• Aufgabenschwerpunkt: Analyse von Soll-Ist-Abweichungen und Überprüfung von Spesenbelegen auf Richtlinienkonformität.
• Wissensdatenbank: Reisekostenrichtlinien, Abteilungsbudgets und Kontierungsleitfäden.
• Plugins: Code-Interpreter (Verarbeitung hochgeladener CSV-Buchungsdaten) und Websuche (Wechselkurse).
• Ergebnis: Budgetabweichungsberichte und Zusammenfassungen verdächtiger Ausgabenpositionen.

Konzept 3: Marketing- und Content-Stratege

• Zielgruppe: Marketing-Manager und Redaktionsteams.
• Aufgabenschwerpunkt: Erstellung kanalübergreifender Kampagnentexte unter strikter Beachtung der Markenidentität.
• Wissensdatenbank: Brand-Styleguides, erfolgreiche Kampagnenbeispiele und Zielgruppenanalysen.
• Plugins: Websuche (Recherche aktueller Branchentrends) und Wanx (Generierung visueller Konzeptentwürfe).
• Ergebnis: Mehrteilige Content-Pakete bestehend aus Blog-Gliederungen, Social-Media-Beiträgen und Newsletter-Entwürfen.

Best Practices und typische Fehlerquellen

1. Quelldokumente vor dem Upload bereinigen: Schlecht gescannte PDFs oder unübersichtliche Tabellen mit verbundenen Zellen mindern die Qualität der semantischen Suche. Bereinigen Sie Tabellen und wandeln Sie diese vorab in Markdown oder saubere CSV-Dateien um.
2. API-Parameter unmissverständlich beschreiben: Geben Sie in Plugin-Beschreibungen exakte Formatvorgaben an (z. B. "Datum im Format JJJJ-MM-TT"). Das Modell benötigt eindeutige Anweisungen für fehlerfreie Aufrufe.
3. Feste Fallback-Formulierungen vorgeben: Legen Sie im Prompt genau fest, wie der Agent reagieren soll, wenn Informationen fehlen. Das ehrliche Eingeständnis fehlender Daten schützt vor Falschinformationen im Geschäftsalltag.
4. Wissensdatenbanken kontinuierlich pflegen: Ändern sich Produkte oder Verträge, müssen die hinterlegten Dokumente unverzüglich aktualisiert werden. Definieren Sie klare Zuständigkeiten für die Dokumentenpflege.

Referenzen

• 千问-阿里 AI 助手
• 通义实验室
• Qwen offers comprehensive functionality spanning chatbot, image and video understanding, image generation, document processing, web search integration, tool utilization, and artifacts.
• GitHub - QwenLM/Qwen-Agent: Agent framework and applications built upon Qwen>=3.0, featuring Function Calling, MCP, Code Interpreter, RAG, Chrome extension, etc.