AgentKit 实战｜搭建一个有记忆、懂业务、会执行的智能客服本文以智能售后客服为例，介绍火山引擎AgentKit结合

当前，很多企业已具备快速构建 Agent Demo 的能力，但真正的挑战在于，如何让 Agent 真正进入生产环境，稳定服务真实用户。

从 Demo 到生产环境，需要解决记忆持久化、知识索引与版本管理、工具调用的权限与容错，以及运行状态的监控和问题追溯。而作为火山引擎推出的企业级 AI Agent 基础设施平台，AgentKit 提供 Agent 开发、运行与治理的端到端能力，通过安全隔离的 Sandbox、统一身份与权限、运行治理及企业系统集成，让 Agent 在安全、可控、可观测的环境中持续运行，并真正融入企业业务流程。

下面以智能售后客服为例，基于 AgentKit 接入 VikingDB、Mem0 和 CRM，构建具备知识检索、长期记忆与业务系统操作能力的 Agent，并将其部署至云端 Runtime。

原理解读

智能售后客服 = 大脑 (AgentKit 引擎) + 知识 (知识库) + 记忆 (Memory) + 接口 (CRM 工具集成)

大脑： 基于火山引擎大模型，理解用户意图，进行逻辑判断，并为Agent提供运行环境。
知识： 存储在 Viking 向量数据库中的产品手册和维修政策，为回答提供业务依据。
记忆： 记录用户的对话历史和个人信息，保证服务连贯性。
接口： 通过 API 连接 CRM 系统，执行查订单、开工单等实际操作。

前期准备

1. 本地环境要求：

本地操作系统要求：

建议使用 MacOS/Linux 操作系统。
Windows 用户建议使用 wsl 完成当前实验。

本地 Python 版本：

需要 Python 3.12 或更高版本。

2. 在火山引擎控制台准备好以下资源：

AK/SK： 前往 API 访问密钥 (mic.anruicloud.com/url/2026090… Access Key"，并申请以下权限 AgentKitFullAccess、CRFullAccess、VikingdbFullAccess、Mem0FullAccess、VPCFullAccess、ArkFullAccess、AIDAPFullAccess。
私有网络： 在 VPC 控制台 (mic.anruicloud.com/url/2026090… VPC ID 与子网 ID
开通模型： 在火山方舟-开通管理 (mic.anruicloud.com/url/2026090… doubao-seed-evolving
TOS Bucket： 在对象存储 TOS (mic.anruicloud.com/url/2026090…<你的火山引擎账号ID>，地域 cn-beijing`。

3. 获取智能售后客服代码

本次实验所需要的代码位于 Agentkit 官方的示例代码仓库中。

agentkit-samples：github.com/bytedance/a…

Clone 或下载项目代码，在下面的路径中找到智能售后客服的代码：python/02-use-cases/customer_support

在代码目录下开启一个终端，后续的命令行交互过程都在 customer_support 目录下进行。

4. 安装 Agentkit 二进制命令

在本地终端安装 agentkit 二进制命令，后续与 Agentkit 平台上各类资源的互动（创建、删除）都借助这个命令实现。

# 安装命令
wget -qO- https://agentkit-cli.tos-cn-beijing.volces.com/install.sh | sh
# 验证
ak --version
# 预期返回 agenkit-cli 版本，如 0.46.7

5. 声明环境变量

所有的系统配置，后续都会以环境变量的形式注入，故而需要后续所有的操作都在同一个终端下进行。到这一步，需要声明的环境变量如下：

# 声明AK/SK：用于本地 CLI 创建和管理云端资源
export VOLCENGINE_ACCESS_KEY=<your_ak>
export VOLCENGINE_SECRET_KEY=<your_sk>

# 声明网络信息
export VPC_ID=<vpc_id>
export SUBNET_ID=<subnet_id>

# 声明模型接入点相关信息
export MODEL_AGENT_API_KEY=<ark_api_key>
export MODEL_AGENT_NAME=doubao-seed-evolving # 推荐使用当前最新版本的 Seed 模型

# 实验名称（自定义，会作为知识库/记忆库/智能体的命名前缀）
export EXP_NAME="agentkit_customer_xxx"

# TOS 桶（注意把 xxx 换成你的账号 ID）
export DATABASE_TOS_BUCKET="agentkit-platform-xxx"

构建“知识大脑” — 创建售后知识库

一个优秀的客服必须熟读产品手册。在这一步，我们将创建出知识库，便于后续将售后知识灌输给智能体。

在终端输入以下代码：

创建

# 执行创建命令，注意 **自定义** 知识库名称
ak knowledge create --name "knowledge_${EXP_NAME}" \
    --provider-type viking \
    --description "用于AgentKit端到端验证的知识库-knowledge_${EXP_NAME}" \
    --region cn-beijing

验证

# 列出账号下的所有知识库，确认实例的状态 STATUS = Ready，并记录 KNOWLEDGE ID
ak knowledge list

声明引用知识库所需的环境变量

# 变量的值来自于自定义的知识库名称
export DATABASE_VIKING_COLLECTION="knowledge_${EXP_NAME}"
# 变量的值来自于 ak knowledge list 的返回
export KNOWLEDGE_ID=<KNOWLEDGE ID>

赋予“记忆能力” — 创建 Viking 记忆库

VikingDB 负责存储产品和政策，Mem0（长期记忆库）负责存储与具体用户相关的信息，包含设备型号、购买时间、已确认的故障现象、做过的排查动作和工单状态等数据。

在终端输入下面这组代码，创建长期记忆库：

ak memory create \
  --name "mem_${EXP_NAME}" \
  --description "用于 AgentKit 验证的长期记忆库" \
  --provider-type MEM0 \
  --region cn-beijing \
  --json '{"VpcConfig":{"VpcId":"'"${VPC_ID}"'","SubnetIds":["'"${SUBNET_ID}"'"]},"LongTermConfiguration":{"Strategies":[{"Name":"default","Type":"Summary"}]}}'

查询并记录 MEMORY ID：

ak memory list
# 确认 STATUS = Ready，记录 mem-xxxx 形式的 MEMORY ID

然后前往记忆库 Mem0 控制台 (mic.anruicloud.com/url/2026090…

在「连接管理」里复制私网连接地址；
在「API Keys」里创建并复制 API Key。

声明环境变量：

export DATABASE_MEM0_BASE_URL=<Mem0 私网连接地址>
export DATABASE_MEM0_API_KEY=<Mem0 API Key>
export MEMORY_ID=<mem-xxxx>

打造与顾客“接口” — 模拟 CRM 系统搭建

为了让 AI 能够真正处理业务（如回答客户问题，查询订单等），我们需要一个模拟的业务系统。此处我们使用 python/02-use-cases/customer_support/tools/crm_mock.py 来模拟这个业务系统，并通过自定义工具的方式传递给智能体。

把智能体发布到云端

现在，组件都已准备就绪，让我们在 AgentKit 中将智能体部署起来。

通过 agentkit-cli 进行云端部署之前，需要先创建出部署所需要的配置文件与 Dockerfile。

ak config --init \
  --agent_name "${EXP_NAME}" \
  --entry_point main.py \
  --knowledge_id "${KNOWLEDGE_ID}" \
  --runtime_network_mode hybrid \
  --runtime_enable_shared_internet_access \
  --runtime-vpc-id "${VPC_ID}" \
  --runtime-subnet-id "${SUBNET_ID}" \
  --tos_bucket "${DATABASE_TOS_BUCKET}" \
  --runtime_envs DATABASE_MEM0_BASE_URL="${DATABASE_MEM0_BASE_URL}" \
  --runtime_envs DATABASE_MEM0_API_KEY="${DATABASE_MEM0_API_KEY}" \
  --runtime_envs MEMORY_ID="${MEMORY_ID}" \
  --runtime_envs DATABASE_VIKING_COLLECTION="knowledge_${EXP_NAME}" \
  --runtime_envs DATABASE_TOS_BUCKET="${DATABASE_TOS_BUCKET}" \
  --runtime_envs DATABASE_TOS_REGION="cn-beijing" \
  --runtime_envs DATABASE_TOS_ENDPOINT="tos-cn-beijing.volces.com"

✅ 成功标志：当前目录生成 agentkit.yaml。

确认入口文件可加载、网络和环境变量无误后，发布：

ak launch

✅ 成功标志：终端显示 Launch completed successfully! ，并给出 Runtime Endpoint。

发布成功后，可以登录火山引擎 AgentKit 控制台，点击智能体运行时查看部署的智能体。

发布成功！测试你的智能客服 Agent

测试场景一

你好，我之前买的电视坏了。
我的邮箱是 user@example.com，电视序列号是 SN20240001。
我需要帮助排查电视故障：无法开机。

测试场景二

我想买一款客厅用的智能电视,主要用来打游戏,预算 3000 元以内

到这里，这个客服 Agent 已经能查资料、记得住上次的进度、也能把工单落进业务系统。

下一步，你可以尝试：

接入更多渠道： 将你的智能体对接到飞书机器人进行交互，参考：

docs.volcengine.com/docs/86681/…
丰富工具集： 增加“物流查询”或“退款申请”的 API 能力。
个性化定制： 调整 Prompt，让客服的语气更加活泼或更加专业。
自定义知识库： 上传自己的知识库，打造一个完完全全属于你的专属客服！

点击这里，进入 AgentKit 官网，了解更多！