KeyFrame內部研究專用

How to Build an AI Agent in UiPath (Step-by-Step Tutorial)

Kevin Stratvert11 min英文
觀看原始影片

三句話摘要

在 UiPath 中從零開始建構 AI agent:從命令列開發到視覺化測試的完整流程。 UiPath 的 agent 開發框架透過結構化 JSON 配置、命令列驗證與互動式測試,使開發者能快速建構、測試和優化決策型 AI agent,最後無縫整合至生產工作流。 多元開發方式:UiPath 支援純命令列開發、視覺化編輯器,或兩者混合,開發者依偏好選擇。從程式碼上傳至 Studio Web 後仍可視覺化編輯和測試,兼顧靈活性與易用性。

重點整理

  1. 多元開發方式:UiPath 支援純命令列開發、視覺化編輯器,或兩者混合,開發者依偏好選擇。從程式碼上傳至 Studio Web 後仍可視覺化編輯和測試,兼顧靈活性與易用性。

  2. 雙檔案結構控制:agent.json 定義 agent 核心(模型設定、系統提示、輸入輸出架構),entrypoints.json 將相同架構公開給解決方案執行時。兩檔案架構必須完全一致,否則驗證失敗。

  3. 互動式測試與反覆優化:上傳至 Studio Web 後可在 Debug 環境用 JSON 輸入測試,觀察 agent 推薦結果是否符合預期。根據不同測試案例調整系統提示詞,逐步提升 agent 可靠性。

  4. 生產工作流整合:開發完成後透過 UiPath Maestro 編排 agent 為端到端工作流的一部分,實現人員、系統、AI 三方協調與資料流轉。

實用技巧與重點

  • 環境與工具:
  • Node.js 版本:18 或更新
  • UiPath CLI 版本:1.1.1.1
  • IDE:VS Code(免費,推薦)
  • 認證:瀏覽器登入 UiPath 帳戶
  • 核心命令:
  • `npm install -g @uipath/agent` — 安裝 agent 工具
  • `uipath-agent create <solution-name>` — 建立解決方案
  • `uipath-agent create <solution-folder>/<project-name>` — 建立專案
  • `uipath-agent validate` — 驗證 agent 定義
  • `uipath-agent upload` — 上傳至 Studio Web
  • 配置檔案核心欄位:
  • agent.json:input schema、output schema、system prompt、model settings
  • entrypoints.json:與 agent.json 結構保持一致的輸入輸出定義
  • 測試方法:
  • Studio Web Debug 功能支援 JSON 格式輸入
  • 範例:`{"request": "我想要巧克力但不會太甜", "options": ["chocolate chip", "double chocolate", "oatmeal raisin", "sugar cookie"]}`
  • 進階工具:
  • 可選:安裝編碼工具技能(Claude、Cursor、Copilot、Gemini)增強 AI 輔助
  • UiPath Maestro — 用於工作流編排與整合

結論

UiPath 的 agent 開發框架透過結構化 JSON 配置、命令列驗證與互動式測試,使開發者能快速建構、測試和優化決策型 AI agent,最後無縫整合至生產工作流。

完整解析

UiPath 提供了融合程式碼優先與低程式碼視覺化的完整 AI agent 開發體驗。影片以建構 cookie 推薦 agent 為例,系統示範整個開發流程。

第一階段:環境準備與認證。 開發者需確保機器上安裝 Node.js 18 或更新版本,再透過 npm 安裝 UiPath CLI 和 agent 工具,驗證版本號確認安裝成功。隨後在 VS Code(或任何終端)中登入 UiPath 帳戶,取得必要的認證權限。對於使用 Claude、Cursor 或其他編碼輔助工具的開發者,可選擇安裝對應的 UiPath 技能擴充套件,增強工具對 agent 專案的上下文理解,但這不是強制要求。

第二階段:專案初始化與配置。 建立工作資料夾後,透過命令列建立解決方案(solution)和專案(project)。UiPath 中的 agent 由兩個關鍵 JSON 檔案定義。agent.json 控制 agent 的核心行為,包括輸入架構(定義 agent 接收的資料,如使用者的 cookie 偏好描述和選項列表)、輸出架構(定義 agent 返回的推薦結果)以及系統提示詞(告訴 agent 如何評估並選出最符合要求的選項)。entrypoints.json 將相同的輸入輸出架構公開給解決方案的執行時環境。兩檔案的架構必須完全一致,否則驗證會失敗。

第三階段:驗證與上傳。 開發者在命令列運行驗證命令,確保 agent 定義、輸入輸出和 entrypoints 都符合規範。驗證成功後上傳至 UiPath Studio Web,系統返回成功訊息和設計師 URL,開發者可直接開啟連結進入視覺化編輯環境。

第四階段:互動式測試與優化。 在 Studio Web 的 agent builder 中,開發者可看到系統提示詞和輸入輸出欄位的視覺化表現。透過 Debug 功能輸入 JSON 格式的測試資料(例如「我想要巧克力但不會太甜」,並列出各種 cookie 選項),觀察 agent 的推薦結果(例如 chocolate chip)。如果輸出不符預期,開發者可調整系統提示詞使其更精確,再次運行測試。影片示例中第二次測試改為「我想要經典款,有葡萄乾和燕麥」,agent 正確推薦了 oatmeal raisin,驗證了調整的有效性。

第五階段:評估與迭代。 UiPath 提供評估工具讓開發者運行多個測試案例並追蹤 agent 的效能指標。隨著時間推移,開發者可不斷改進提示詞,提升 agent 在實際工作流中的可靠性和準確性。

生產部署。 開發完成後,開發者可使用 UiPath Maestro 將 agent 編排為更大端到端工作流的一部分,實現人員、系統和 AI 之間的協調與資料流轉。影片強調,無論開發者偏好程式碼編寫、視覺化設計還是兩者混合,UiPath 都提供充分的靈活性與工具支援。

8 min
AI 技術中文11月17日

Muse AI 国内注册方法来了!无需排队、无需信用卡,全程免费!

一路向前看原片 ↗
  • IP環境是核心要素:乾淨的住宅IP搭配日本節點能大幅提升註冊成功率,講者稱日本節點「幾乎秒過」,可選美國但成功率較低。
  • 全新郵箱是必要條件:系統會記錄每個郵箱的註冊歷程,曾排隊或卡在信用卡驗證的信箱會直接失敗,必須使用全新未註冊過的郵箱才能完全規避之前的失敗記錄。
AI 技術中文11月17日

Meta 改写 K-Means,训练轮次降到十分之一​ | K-Means | e-means | Meta FAIR | 聚类算法 | 向量检索 | Faiss | DINO10B | 向量数据库

Best Partners TV看原片 ↗
  • 從累加到衰減的中心維護:傳統小批量更新會累積歷史統計量造成早期分配記錄長期影響,而 e-Means 用指數移動平均使新分配能即時調整中心,早先統計逐漸失效,避免陷入次優解。
  • 死簇復活機制是關鍵改進:消融實驗顯示這項改動影響最大,透過每 5 批次檢查樣本不足的中心,從較大簇拆分一半重新安排,將樣本不足 10 個的中心比例從 26.3% 降到 0.3%。
AI 技術英文11月17日

Goal Engineering - The New Buzzword

Prompt Engineering看原片 ↗
  • 長期開放式目標中最難提供的上下文不是文件或 API,而是人類的判斷力與品味。傳統的檔案查詢或技術規格是相對容易部分,真正瓶頸在於定義「什麼是好的結果」。
  • Actively AI 初期採用單一代理處理多種任務類型失敗,因為人類審查者必須在十種不同的任務格式間切換心智模式,造成效率低落。重新架構為多個專一代理後,人類可在相同心智模式下快速連續審查。