agentic-call（智能体调用）

Prompt 编写指南

• 占位符使用 {{列名}} 语法，列名与 fields 中声明的一致。

• 系统自动校验：Prompt 中的所有 {{列名}} 必须在 fields 中声明，反之亦然。

• 超长 Prompt 建议注册为命名模板，通过 @<path> 引用。

模板引用格式：

输入要求

• 上游节点输出的任意列数据。

• 要求包含 fields 中声明的所有列。

输出列

行数变化

M → N（M = N）：1:1 变换，每行独立触发一次数字员工对话，不增减行数。

示例 1：指标异常分析

{
  "id": "n7",
  "type": "agentic-call",
  "parameters": {
    "prompt": "请分析 {{host_name}} 的 {{metric_name}} 指标异常原因",
    "fields": "host_name,metric_name",
    "employee": "skill_bench_analysis",
    "as": "analysis"
  }
}

调用 skill_bench_analysis 数字员工，对每行告警数据进行根因分析。

示例 2：SOP 知识问答（带技能指定）

{
  "id": "n7",
  "type": "agentic-call",
  "parameters": {
    "prompt": "{{question}}",
    "fields": "question",
    "employee": "apsara-ops",
    "skill": "sop",
    "as": "answer"
  }
}

调用 apsara-ops 数字员工的 sop 技能回答业务问题。

示例 3：使用命名模板

{
  "id": "n7",
  "type": "agentic-call",
  "parameters": {
    "prompt": "@analysis/alert_diagnosis.md",
    "fields": "host_name,metric_name,metric_value",
    "employee": "skill_bench_analysis",
    "as": "diagnosis"
  }
}

引用预注册的 Prompt 模板进行分析。

示例 4：完整管道（过滤 → 采样 → 智能体分析）

{
  "nodes": [
    { "id": "n1", "type": "project", "parameters": { "host_name": "a", "metric_name": "b", "alert_level": "c", "metric_value": "d" } },
    { "id": "n2", "type": "where", "parameters": { "filter": "alert_level = 'critical'" } },
    { "id": "n3", "type": "sample", "parameters": { "n": 50 } },
    { "id": "n4", "type": "agentic-call", "parameters": { "prompt": "请分析 {{host_name}} 的 {{metric_name}} 指标异常，当前值 {{metric_value}}", "fields": "host_name,metric_name,metric_value", "employee": "skill_bench_analysis", "as": "analysis" } }
  ]
}

先过滤严重告警，再采样控制量，最后调用数字员工逐条分析。

性能与成本优化

• 推荐管道顺序：过滤 → 采样 → agentic-call。

• 每行消息创建独立的 Thread 对话，上下文隔离。

技术限制

• 幂等性：同一输入的数字员工输出不保证完全一致（受模型、知识库版本等影响）。

• 超时控制：单次请求超时 10 分钟，复杂分析任务需确保 Prompt 精简明确。

最佳实践

• 员工选择：根据业务场景选择合适的数字员工和技能，不同员工对应不同的知识库和 SOP 流程。

• 模板复用：超长 Prompt 建议注册为命名模板（@analysis/alert_diagnosis.md），便于版本管理。

• 结果提取：输出为纯文本（varchar），如需提取结构化数据可配合 extend + regexp_extract 或 json_parse 处理。