智譜清言（Zhipu Qingyan）是由智譜 AI 開發的企業級對話式 AI 平台，基於專有的通用語言模型（GLM）架構構建。該平台既作為互動式桌面與行動 Web 助理運作，又作為無程式碼智能體建立環境，支援專業人士、創作者和團隊應對複雜的日常工作流程。在其核心，智譜清言結合了雙語自然語言理解、即時網路瀏覽、隔離沙盒中的程式碼執行、多模態影像生成以及持久化智能體框架。透過了解基礎 GLM 助理如何與專門的自訂智能體協同運作，使用者可以將從文件綜合與定量分析到自動化內容起草等日常任務轉化為結構化、可重複的數位化工作流程。
理解 GLM 助理架構
智譜清言中的預設對話體驗由 GLM 基座模型家族（包括 GLM-4 以及 GLM-4V、CogView 等多模態變體）驅動。與簡單的文字補全機器人不同，該平台充當配備動態工具路由的整合工作台。當使用者提交查詢時，底層模型會判斷是直接從參數記憶中回答、調用即時搜尋、執行 Python 程式碼，還是處理上傳的媒體。
內建工具生態系
標準助理包含多個整合模組，可自動啟用或根據使用者要求啟用：
- 即時網路搜尋： 查詢外部網路來源以檢索即時新聞、最新文件、財務基準或最新進展，並隨產生的回覆提供可驗證的引用。
- 進階資料分析（程式碼沙盒）： 運行隔離的 Python 執行環境，能夠載入表格資料集（CSV、XLSX）、執行數學運算、進行統計計算並渲染可下載的視覺化圖表。
- 多模態感知與合成： 利用視覺模型檢查圖表、手寫筆記和照片輸入，同時利用 CogView 引擎直接根據描述性提示詞產生高解析度插圖和圖形。
- 長文件處理： 攝取大型檔案——如詳盡的 PDF 報告、研究論文、Word 文稿和簡報——允許使用者跨數百頁擷取摘要、比較對立觀點或定位深層資料點。
通用助理與自訂智能體：何時使用哪一個
雖然預設的 GLM 助理適用於臨時、開放式的問題，但重複性的職場職責更適合使用專門的自訂智能體（在介面中稱為智能體）。自訂智能體將固定的系統指令、精選的參考文件和特定的工具權限封裝到可跨團隊重複使用或共用的持久化助理中。
| 維度 | 預設 GLM 助理 | 自訂智能體（GLMs） |
|---|---|---|
| 主要用途 | 臨時研究、常規問答、自發寫作 | 標準化工作流程、週期性任務、基於角色的協助 |
| 設定成本 | 零設定；開啟即可即時對話 | 2–5 分鐘定義指令、工具和文件 |
| 上下文保留 | 局限於工作階段；新對話對話串即重設 | 持久化系統人設、限制與指令 |
| 知識庫 | 通用參數知識加上目前工作階段上傳內容 | 附加於智能體的永久私有檔案庫（RAG） |
| 工具設定 | 跨所有平台工具自動動態路由 | 明確切換工具（例如：僅搜尋、僅沙盒） |
| 最佳適用場景 | 一次性翻譯、快速解釋、探索性腦力激盪 | 週報撰寫、強制風格文案、資料稽核 |
如何在智譜清言中建立自訂智能體
建立自訂智能體不需要軟體開發經驗或 API 知識。該平台提供了視覺化設定工作室，可透過桌面瀏覽器造訪 Zhipu Qingyan。
步驟 1：造訪智能體中心
登入 Zhipu Qingyan 並在導覽面板中選取智能體中心。點擊**+創建智能體**進入雙欄工作區，左側為設定控制項，右側為即時互動式預覽沙盒。
步驟 2：定義名稱、人設和系統指令
使用者可以透過引導式對話提示或手動表單設定來設定智能體行為：
- 智能體個人檔案： 提供清晰的名稱（例如「高階主管簡報編輯」或「電商文案審查員」）以及概述其運作重心的簡明描述。
- 系統提示詞（指令）： 定義智能體的核心角色、行為邊界、輸出格式和限制條件。結構良好的指令集應概述：
- 主要角色與預期目標受眾。
- 逐步處理方法。
- 具體風格規範（例如：專業語氣、Markdown 表格、重點式摘要）。
- 負向限制（例如：「不得超出所提供知識庫文件進行推斷；當資訊缺失時明確說明」）。
步驟 3：掛載私有知識庫
為了讓智能體立足於特定領域的材料而無需微調模型，可將文件上傳到知識庫區段：
- 支援格式： 上傳 PDF 文件、Microsoft Word 檔案、純文字記錄和試算表。
- 自動索引： 系統對上傳的檔案進行解析、分塊和向量化，以用於檢索增強生成（RAG）。當使用者與智能體互動時，相關摘錄會被檢索並注入到提示詞上下文中，以確保事實準確性。
- 最佳實踐： 上傳前清理文件，刪除多餘的封面、損壞的格式或過時版本，以提高向量檢索的精確度。
步驟 4：設定工具與外部能力
根據智能體完成任務所需切換特定功能開關：
- 如果智能體必須核對即時資訊來源或驗證外部說法，啟用聯網搜尋。
- 如果智能體處理數值計算、試算表轉換或圖表產生，啟用程式碼沙盒。
- 如果智能體產生行銷視覺圖或概念插圖，啟用AI 圖像生成。
- 對於技術團隊，設定自訂動作（APIs），以允許智能體透過標準化 OpenAPI 結構描述從內部 CRM 端點或企業庫存資料庫取得資料。
步驟 5：在沙盒中測試並發布
使用右側預覽面板測試邊緣情況、檢驗負向限制並檢查文件檢索品質。驗證無誤後，選擇發布範圍：
- 私密： 僅建立者帳號可造訪。
- 連結分享： 同事或協作者可透過直接 URL 使用。
- 公開： 列在公開的智能體廣場中供社群發現。
日常任務的實用工作流程
有效部署智譜清言需要將正確的介面模式與具體的業務瓶頸相匹配。
1. 研究綜合與長文件稽核
在分析年度報告、學術預印本或競爭對手白皮書時：
- 將目標文件直接上傳到 GLM 助理或專門研究智能體中。
- 指導模型產生聚焦於指標、方法論和策略風險的分層高階主管摘要。
- 使用如下提示查詢：「比較第 3 節中提到的資本支出數據與第 6 節中的收入預測，並以表格呈現差異。」
- 要求提供明確的頁碼引用或章節目錄，以便有效稽核來源材料。
2. 定量資料清理與視覺化
對於每週指標報告或營運試算表：
- 將 CSV 或 Excel 試算表上傳到啟用了程式碼沙盒工具的對話工作階段中。
- 提示助理檢查資料集架構（Schema）、偵測缺失值並計算摘要統計資料。
- 請求特定的視覺化轉換：「篩選轉換率低於 2.5% 的資料列，按行銷通路分組，並產生顯示平均獲客成本的水平長條圖。」
- 下載產生的圖表影像以及由 Python 沙盒產生的修改後試算表檔案。
3. 在行銷文案中貫徹品牌規範
行銷團隊通常花費大量時間修改文案以符合品牌調性。自訂智能體透過標準化限制解決了此問題：
- 為智能體設定指定品牌語氣、禁用流行語、字元數上限和受眾人物誌的指令。
- 將公司風格指南和產品目錄上傳到智能體的知識庫中。
- 團隊成員提供原始產品重點，即可獲得嚴格遵守品牌標準且無需人工反覆修改的精緻社群媒體貼文、電子報摘要或廣告多版本。
4. 會議紀錄結構化與行動項目追蹤
將非結構化的會議錄音逐字稿或凌亂的腦力激盪筆記轉化為可執行的成果：
- 將會議音訊逐字稿或凌亂的重點貼到助理中。
- 使用結構化範本提示模型：「擷取三個部分：已做出的關鍵決定、待解決問題，以及包含任務、負責人和截止日期的行動項目表格。」
- 模型會消除口語贅詞，根據上下文釐清模糊表述，並產生可直接分發的最終備忘錄。
獲得更好成果的策略技巧
為了在預設助理和自訂智能體中均獲得一致的輸出品質，請套用以下操作實踐：
- 分離上下文與任務： 將背景上下文、來源摘錄和指令放在明確劃分的區塊中，而不是混雜在單句長句中。
- 建立負向邊界： 明確告知助理不要做什麼，例如避免推測性估計、省略通用的開場客套話，或將輸出限制在特定格式。
- 反覆調整知識切片： 如果自訂智能體未能檢索出特定的知識庫細節，請將材料重新上傳為較小、專注的模組化檔案，而不是單一的龐大文件。
- 善用對話式調整： 將初始輸出視為草稿。透過針對性的後續調整（例如要求更深層的技術深度、重新排版為 Markdown 表格或調整語氣）來打磨最終成果。