一. 前言在文旅产业数字化、沉浸式体验升级的行业浪潮下AR 智能穿戴设备正逐步打破传统文旅讲解的边界让文物古迹走出展牌文字以鲜活、立体、随身化的方式与游客完成跨时空对话。传统景区、博物馆讲解模式长期存在诸多痛点人工讲解覆盖范围有限、固定讲解词内容生硬刻板、电子导览文案晦涩冗长、无法适配游客个性化游览节奏、重复游览无增量知识补充难以满足当代游客轻量化、沉浸式、专业化的深度游览需求。基于 Rokid 乐奇 AR 眼镜终端本次搭建的文博裸眼景识讲解官智能体精准锚定 AR 设备的原生硬件能力与文博场景的讲解服务需求围绕视觉识别、智能语音讲解、知识库调用、全流程交互规范完成全维度设计。该智能体以 AR 眼镜第一视角摄像识别为核心触发方式打通景物自动识别、多维度专业讲解、轻量化内容输出、游览记忆留存、自定义知识库拓展的完整服务链路为游客打造专属随身文博私导实现裸眼所见、即见即讲、易懂专业、全程随行的全新游览体验为 AR 技术赋能文旅文博领域、推动文化遗产数字化传播提供可落地的实践方案。二. 智能体搭建流程本次文博裸眼景识讲解官智能体依托 Rokid 自主智能体创作平台完成全模块搭建从核心定位、工作规则、功能模块配置、知识库体系、交互体验设计到场景适配优化层层递进严格遵循平台开发规范与文博场景服务需求完成全流程定制化搭建。首先登陆灵珠平台 https://rizon.rokid.com/ 参与智能体搭建一核心人设与服务使命定位智能体的底层人设精准绑定终端设备属性明确专属身份Rokid 乐奇 AR 眼镜专属的文博裸眼景识讲解官。在服务使命层面明确核心价值 —— 依托 AR 眼镜自带的第一视角摄像功能精准识别画面内全部景物涵盖古建筑、历史文物、雕塑艺术品、古迹遗址、博物馆馆藏藏品全类文博对象用通俗口语化表达、专业化知识内核、轻量化呈现形式为用户提供适配 AR 设备的沉浸式语音 文字双渠道讲解服务打通现实景物与文化知识的数字连接桥梁。清晰的人设定位为后续所有规则、模块、文案设计划定统一边界让智能体全程保持专属文博导览的角色属性避免回答偏离服务场景同时让用户快速建立对智能体功能、服务范围的清晰认知。在编排板块给智能体设置相应的使命规则让其服务有清晰认知二智能体全链路工作流搭建与分步实现首先选择添加工作流1. 初始输入节点搭建底层数据入口配置工作流以「开始」节点作为整个智能体运行的唯一起始入口完成基础数据输入通道的底层搭建。在该节点完成基础输入变量定义固定接入双数据源输入接口分别为用户语音文本输入USER_INPUT、AR 眼镜实时画面图像输入USER_INPUT_IMAGE同时打通两个输入源的数据流传输通道为后续全链路节点提供底层数据支撑。该节点作为整个流程的数据流起点承接用户所有唤醒指令与设备采集的画面素材实现语音文本信息、实景图像信息同步接入智能体系统奠定后续意图识别、景物解析的数据基础同时完成整个工作流循环链路的闭环基础搭建。2. 第一节点语音唤醒意图校验模块搭建在初始输入完成后流程进入首个核心处理节点 ——语音唤醒意图校验模块这是智能体的第一道语义筛选关卡。本节点以用户传入的文本query作为输入数据完成用户语音意图的精准识别分类最终输出意图分类编号classificationId与意图解析标签reason两个核心变量。同时预设完善的分类选项边界严格划分用户意图范围第一类为有效意图即用户想要讲解眼前的古建筑、文物、古迹等文博景物第二类为其他无关意图覆盖所有非文博讲解类的用户指令。该模块的搭建意义是完成用户指令的前置过滤精准区分有效讲解需求与无关指令从源头规避无效流程触发同时规范智能体的服务边界保证后续流程仅响应合规的文博讲解需求提升智能体运行精准度。3. 第二节点分支选择器逻辑搭建在意图校验完成后流程接入条件选择器IF 选择器节点实现工作流的分支分流控制搭建智能体的条件判断逻辑。本节点以上一节点输出的reason意图变量作为判断依据设置严格分支判定规则当识别到用户意图为「讲解眼前文博景物」的有效需求时流程进入正向执行分支向后衔接后续全部识别、讲解流程若判定为其他无关意图则进入空白驳回分支不触发后续图像识别链路。该分支节点搭建实现了智能体指令响应的精准分流让智能体仅在用户产生对应讲解需求时才启动后续高算力的图像识别模块既优化了设备算力资源消耗又避免无效图像解析完善了整个流程的逻辑严谨性。4. 第三节点画面景物主体视觉识别模块搭建在有效意图分支通过后流程进入智能体核心能力节点 ——画面景物主体识别模块这是本次 AR 文博智能体的核心功能核心。本节点调用平台视觉大模型doubao-seed-1-6-vision-250815以上游开始节点传入的 AR 眼镜第一视角画面USER_INPUT_IMAGE作为唯一输入源完成画面内实景主体的精准识别、景物定位、主体信息解析最终输出识别完成的景物主体信息output。该模块深度绑定 Rokid AR 眼镜的摄像硬件能力完美实现设计需求里 “裸眼视野自动识别” 的核心能力无需用户手动框选、上传图片眼镜实时采集的视野画面即可自动完成古建筑、文物、雕塑、遗址、馆藏藏品全部文博对象的主体识别完成现实景物到数字信息的转化为后续讲解内容生成提供精准的主体素材。5. 第四节点大模型讲解内容生成模块搭建完成景物主体识别后数据流接入最终内容生成节点 ——大模型综合生成模块。本节点同样搭载视觉文本一体化大模型doubao-seed-1-6-vision-250815以上一节点输出的景物主体识别结果作为输入信息结合前期预设的全部底层工作规则、内置文博专属知识库、内容输出规范完成完整讲解文案的生成。在内容生成环节大模型严格遵循预设服务规范固定输出基础简介、历史背景、朝代渊源、人文典故、艺术价值、游玩看点六大维度内容文案表达口语通俗化适配 AR 眼镜语音播报场景内容排版精简分段适配眼镜悬浮小屏展示优先调用专属知识库权威资料无内置资料时自动检索公开权威文史知识同时联动游览记忆变量实现重复游览的知识增量补充兼顾内容专业性、通俗性与设备展示适配性。6. 收尾闭环节点流程结束与结果输出搭建大模型完成内容生成后流程进入最终「结束」节点完成全链路工作流闭环。本节点统一承接上游大模型生成的全部讲解内容以output作为最终返回变量统一输出至 AR 眼镜终端同步完成悬浮屏文字展示 实时语音朗读双渠道内容交付。同时搭建完整数据流回环节点结束后数据链路回流至初始开始节点实现全程循环运行用户后续再次唤醒、再次识别新景物时可重新触发整套完整工作流实现持续化、多轮次的随身讲解服务。三对话交互模块专属开场白定制搭建在完成全链路工作流、底层运行规则、知识库体系搭建后针对用户首次唤醒智能体的初始交互环节完成对话体验模块的专属开场白定制。结合 AR 眼镜轻量化交互、随身文博导览的使用场景设计专属开场文案在用户语音唤醒智能体的第一时间清晰介绍自身专属身份、核心景物识别能力、全维度讲解服务范围、游览记忆特色功能同时明确口语精简、适配设备语音播报的输出特点。开场白整体文案简洁亲和、信息完整既快速建立用户对智能体功能的清晰认知引导用户完成语音唤醒操作又贴合全程私人导览的亲切交互定位完善智能体全周期对话交互体验闭环。完成后即可点击右上角提交智能体三. 总结本次基于 Rokid 乐奇 AR 眼镜搭建的文博裸眼景识讲解官智能体完成了人设定位、规则制定、模块配置、知识库搭建与交互优化的全流程设计精准解决传统文旅讲解痛点深度融合 AR 硬件优势与文博文化传播需求。智能体整体体系严谨完善内容输出兼顾专业性与通俗性形成了从唤醒讲解、拓展答疑到复游知识更新的全周期闭环服务能够以裸眼即识、所见即讲的模式为游客提供专属随身文博导览革新传统游览体验。本次搭建实践也为 AR 智能体赋能文旅领域积累了宝贵经验未来可通过扩充知识库、优化讲解风格与多景物识别逻辑进一步拓宽服务边界以数字技术助力文化遗产传播实现文旅体验升级与传统文化传承的双向赋能。