Como criar agentes de IA personalizados no Tongyi Qianwen: Instruções, bases de conhecimento e plugins

Profissionais e equipes multidisciplinares enfrentam com frequência um gargalo de produtividade ao utilizar modelos de linguagem de uso geral: a cada nova conversa, é necessário reinserir longas diretrizes de contexto, regras corporativas e padrões de tom de voz. Além disso, ao consultar dados confidenciais ou detalhes técnicos de produtos da empresa, os modelos convencionais tendem a responder de forma genérica ou gerar alucinações factuais por não terem acesso aos documentos internos.

O Tongyi Qianwen (alimentado pela família de modelos Qwen da Alibaba Cloud) supera essa limitação por meio de sua arquitetura de Agentes Personalizados (Custom Agents). Ao estruturar três pilares fundamentais — instruções de sistema (prompts de persona), bases de conhecimento privadas (RAG ou Geração Aumentada por Recuperação) e plugins de ferramentas externas —, as equipes transformam um chat genérico em um assistente de negócios persistente, especializado e estritamente respaldado por evidências reais.

Seja por meio da interface web do Tongyi Qianwen ou em escala corporativa via Alibaba Cloud Model Studio (Bailian), dominar a criação de agentes permite automatizar processos com alto nível de precisão e segurança de dados.

Os três pilares de um agente personalizado no Tongyi Qianwen

Um agente de negócios eficaz não é apenas um prompt salvo; trata-se de um sistema automatizado em que a capacidade de raciocínio do modelo, a memória documental privada e a execução de ferramentas atuam de forma coordenada.

+-------------------------------------------------------------------+
|               Consulta do usuário / Entrada da tarefa             |
+---------------------------------+---------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
|              Motor central do agente Tongyi Qianwen (Qwen)        |
|                                                                   |
|  +--------------------+  +--------------------+  +--------------+  |
|  |   Instruções de    |  | Base de Conhecimento| | Plugins de   |  |
|  |      Sistema       |  | RAG: Documentos e  | | Ferramentas  |  |
|  | Persona e Regras   |  | Dados Privados     | | APIs e Busca |  |
|  +--------------------+  +--------------------+  +--------------+  |
+---------------------------------+---------------------------------+
                                  |
                                  v
+-------------------------------------------------------------------+
|       Resposta fundamentada, padronizada e pronta para entrega    |
+-------------------------------------------------------------------+

1. Instruções de sistema (System Instructions): Personalidade e regras de conduta

As instruções de sistema definem a identidade operacional, o nível de formalidade e as fronteiras de atuação do agente. Sem instruções precisas, o modelo adota um comportamento de conversação genérico e imprevisível.

Uma instrução pronta para produção deve conter:

• Papel e Persona: O perfil profissional do agente, sua experiência e o público a quem se destina (como engenheiro de soluções sênior ou auditor de conformidade regulatória).
• Fluxo de Trabalho Operacional (SOP): As etapas de execução sequencial (por exemplo: analisar a intenção da pergunta, consultar a base de dados interna e formatar a resposta no padrão exigido).
• Limites e Regras Anti-Alucinação: O que o agente expressamente não deve fazer, como inventar informações não encontradas nos documentos anexados.
• Especificações de Saída: Modelos de formatação esperados, como tabelas em Markdown, tópicos executivos ou estruturas em JSON.

2. Bases de conhecimento (Knowledge Base / RAG): Evidência documental privada

Modelos fundacionais possuem amplo conhecimento público, mas não conhecem os manuais de produtos, políticas de despesas ou contratos de clientes da sua organização.

A base de conhecimento opera por meio da tecnologia RAG (Geração Aumentada por Recuperação):

• Ao carregar documentos, a plataforma divide o texto em blocos semânticos (chunks) e gera vetores matemáticos (embeddings).
• Quando o usuário faz uma pergunta, o mecanismo localiza os fragmentos com maior relevância semântica na documentação corporativa.
• O agente utiliza exclusivamente esses trechos para redigir a resposta, ancorando suas conclusões em evidências documentadas e reduzindo drasticamente o risco de erros factuais.

3. Plugins de ferramentas (Plugins / Tools): Ações e conexões com o mundo externo

Enquanto o modelo de linguagem processa textos, os plugins concedem a capacidade de interagir com sistemas e serviços externos:

• Ferramentas Nativas da Plataforma: Busca na web para checar dados de mercado em tempo real; interpretador de código (sandbox em Python) para realizar cálculos matemáticos e gerar gráficos; e geração visual via Wanx (Tongyi Wanxiang).
• Plugins de API Personalizados: Conexão com sistemas internos (CRM, ERP, sistemas de tickets) por meio de requisições REST, permitindo ao modelo ler e gravar dados em sistemas corporativos.
• Protocolo de Contexto de Modelo (MCP): Integração flexível com servidores de contexto e ferramentas de desenvolvimento locais ou em nuvem.

Comparativo: Sessão de chat tradicional vs. Agente personalizado

Passo a passo para criar seu agente personalizado

Passo 1: Inicializar o agente e selecionar o modelo base

1. Acesse o painel de criação de agentes no portal do Tongyi Qianwen ou no console corporativo do Alibaba Cloud Model Studio.
2. Clique em Criar Agente (ou Criar Aplicação).
3. Preencha as informações essenciais:
   • Nome: Adote um nome alinhado à função (por exemplo: Consultor de Suporte Técnico a Vendas ou Auditor de Despesas Corporativas).
   • Descrição: Explique claramente o objetivo do agente para que a equipe saiba quando utilizá-lo.
   • Ícone: Escolha um avatar condizente com a função.
4. Selecione o modelo subjacente:
   • Qwen-Max: Máxima capacidade de raciocínio lógico e adesão rigorosa a instruções complexas; ideal para análise crítica e encadeamento de ferramentas.
   • Qwen-Plus: Excelente equilíbrio entre tempo de resposta e custo; indicado para redação corporativa, atendimento e suporte rotineiro.
   • Qwen-Long: Otimizado para contextos massivos, como análise cruzada de relatórios financeiros e auditoria de longos contratos.

Passo 2: Redigir instruções de sistema detalhadas

Evite orientações superficiais. Utilize um modelo estruturado em Markdown:

# Papel
Você é o Assistente Sênior de Engenharia de Vendas para nossa divisão de computação em nuvem. Sua principal missão é ajudar nossos executivos de contas a elaborar respostas técnicas precisas para editais e propostas (RFP).

# Habilidades e Acesso
1. Você tem acesso direto à Base de Conhecimento de Manuais de Produtos e Certificações de Segurança.
2. Você pode acionar a Busca Web para verificar dados públicos sobre concorrentes quando solicitado.

# Regras de Conduta
- Primazia Documental: Ao responder sobre recursos técnicos, valores e acordos de nível de serviço (SLA), consulte sempre a Base de Conhecimento. Indique o nome do documento e a seção consultada.
- Honestidade Absoluta: Se uma funcionalidade ou certificação não constar nos arquivos da base, declare claramente: "Essa informação não está documentada em nossa base oficial." Jamais deduza ou invente dados.
- Tom de Voz: Formal, objetivo e analítico. Sem rodeios introdutórios.
- Formato de Saída: Forneça a resposta em tópicos objetivos e utilize tabelas Markdown sempre que comparar planos ou configurações.

Passo 3: Criar e associar a base de conhecimento

1. No painel de configuração do agente, vá até a seção Base de Conhecimento e clique em Adicionar Base de Conhecimento.
2. Faça o upload dos arquivos institucionais. O sistema suporta formatos como .pdf, .docx, .txt, .md e planilhas em .csv.
3. Ajuste os parâmetros de indexação e recuperação:
   • Estratégia de fragmentação: Escolha divisão semântica para textos narrativos e divisão por registros/linhas para planilhas e tabelas.
   • Limite de relevância: Defina o limiar de similaridade e a quantidade de trechos recuperados (Top-K) para evitar que partes sem relevância entrem no contexto do modelo.
4. Inclua na instrução de sistema a diretriz de citar o documento de referência para facilitar a auditoria humana.

Passo 4: Ativar ferramentas nativas e configurar APIs corporativas

1. Ativar ferramentas da plataforma:
   • Busca Web: Essencial para agentes que acompanham tendências de mercado e lançamentos de concorrentes.
   • Interpretador de Código (Sandbox Python): Fundamental caso o agente precise processar relatórios em planilhas, realizar cálculos financeiros complexos ou criar gráficos.
2. Adicionar plugins de API personalizados (Opcional):
   • Clique em Criar Plugin Personalizado e informe a URL base do seu serviço e a autenticação necessária (como Token no cabeçalho).
   • Cadastre os métodos específicos (como /consultar_saldo ou /abrir_chamado) e descreva os parâmetros com clareza em linguagem natural. O modelo Qwen se baseia nessa descrição para saber quando invocar a função e quais parâmetros passar.
   • Realize uma requisição de teste no painel para validar o retorno do JSON.

Passo 5: Testes interativos e validação de limites

Antes de disponibilizar o agente para a organização, execute testes no painel de pré-visualização:

• Validação de busca documental: Faça perguntas com detalhes específicos para confirmar se o modelo extrai o trecho correto da base.
• Teste de limites: Questione intencionalmente sobre recursos inexistentes para verificar se o agente mantém a disciplina de não alucinar.
• Teste de acionamento de ferramentas: Solicite cálculos ou consultas externas para acompanhar os logs de execução dos plugins.

Passo 6: Publicação, permissões e integração corporativa

1. Clique em Publicar para salvar a versão final.
2. Escolha o modelo de compartilhamento:
   • Privado: Uso pessoal para ganho de produtividade individual.
   • Espaço de trabalho da equipe: Disponível para todos os colaboradores do departamento.
   • Link público: Acesso externo para consultas de clientes ou demonstrações.
3. Para integrar o agente a portais corporativos, intranets ou aplicativos de mensagens (como DingTalk), utilize o App ID fornecido e o SDK do DashScope para consumo programático.

Três modelos práticos de agentes corporativos

Modelo 1: Especialista em respostas a editais e conformidade técnica (RFP)

• Público-alvo: Engenheiros de pré-vendas e gestores de propostas comerciais.
• Foco da instrução: Confrontar exigências de clientes com a documentação técnica oficial e apontar eventuais lacunas.
• Base de conhecimento: Relatórios SOC2, normas ISO27001, termos de SLA e catálogo detalhado de serviços.
• Plugins: Interpretador de código (para simular valores e garantias de disponibilidade).
• Entregável: Matriz comparativa de conformidade (Atende, Atende Parcialmente ou Não Atende) com páginas citadas.

Modelo 2: Assistente de análise financeira e controle orçamentário

• Público-alvo: Coordenadores financeiros e analistas de controladoria.
• Foco da instrução: Garantir precisão numérica rigorosa, cruzar notas fiscais com políticas de reembolso e alertar sobre desvios.
• Base de conhecimento: Política corporativa de viagens, teto orçamentário departamental e manual de contas.
• Plugins: Interpretador de código (execução de scripts Python em arquivos CSV) e Busca Web (cotações de moedas).
• Entregável: Relatórios executivos de desvio orçamentário e síntese de inconformidades.

Modelo 3: Estrategista de conteúdo e marketing institucional

• Público-alvo: Produtores de conteúdo e gestores de mídias digitais.
• Foco da instrução: Preservar a identidade de marca e adaptar o tom para diferentes canais de divulgação.
• Base de conhecimento: Manual de identidade visual e verbal, histórico de campanhas e estudos de personas.
• Plugins: Busca Web (monitoramento de tópicos em alta) e Wanx (criação de conceitos visuais).
• Entregável: Pacote de conteúdos integrados (pauta para blog, publicação para redes sociais e e-mail marketing).

Recomendações e erros a evitar

1. Higienize os arquivos antes de carregá-los: Digitalizações de baixa qualidade ou planilhas com células mescladas prejudicam a indexação vetorial. Converta tabelas para Markdown ou CSVs limpos antes de integrá-las à base de conhecimento.
2. Defina parâmetros de API com riqueza de detalhes: O modelo decide a chamada de funções a partir das descrições textuais dos parâmetros. Deixe explícito o padrão exigido (como "data no formato AAAA-MM-DD") para evitar falhas de execução.
3. Crie mensagens de contingência obrigatórias: Defina formalmente a frase padrão para quando o assunto não constar na base. Em ambientes corporativos, assumir que a informação não foi localizada é muito mais seguro do que gerar uma resposta plausível, porém falsa.
4. Mantenha a base de conhecimento atualizada: Alterações em políticas ou preços exigem a atualização imediata dos documentos anexados. Nomeie um responsável pela curadoria para garantir que o agente não propague informações obsoletas.

Referências

• 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.