關於 Odin | Asgard Studio

Odin | Asgard Studio 是 Asgard AI 平台的核心建置工具，用來打造 AI Agent、串接工具與知識庫，再把成果發布給 Mimir、Sindri 等其他 Asgard 產品使用。

整個平台的組織方式是工作空間之下再分專案：工作空間大致對應到一間公司或一個團隊，專案則是底下各自獨立的產品線或應用。實際建置工作都在專案這一層進行，每個專案有自己的一套 Agent、工具、資料設定。

工作空間跟專案各自有自己的總覽頁面。工作空間層級的總覽是一個分析儀表板，看得到每秒請求次數、請求持續時間、completion model 與 embedding model 的 token 用量、訊息總數等指標，可以依專案篩選。專案層級另外有一個獨立的統計面板，範圍縮小到單一專案本身的狀況。

建立 AI Agent

Odin 提供兩種建立 Agent 的方式，適合不同複雜度的需求。Managed Agent 是比較直接的做法：設定好角色與系統提示詞後，可以掛上外部工具（MCP Servers）、可重複使用的技能包（Skillsets）、檔案與知識庫（Drive）、結構化資料模型（Semantic）等資源，讓這個 Agent 能實際查資料、呼叫外部系統。設定完成後可以直接在旁邊開一個聊天視窗測試回覆效果，不用真的發布出去才能驗證。

Flow Agent 則是給比較複雜的流程用的：用拖拉節點（進入、退出、處理步驟）像畫流程圖一樣組出一整套判斷與執行邏輯，而不是用打字設定一個角色，適合需要多步驟決策、或要協調多個子任務的情境。做好之後可以發布成一個具名版本再正式上線，方便追蹤每個版本實際的行為差異。

設定自動化

除了對話型的 Agent，Odin 也支援把一段固定的工作流程包裝成可重複使用的自動化，依觸發方式分成三種形式。

Automation Tools 是把常用的一段流程包成一個函式，讓其他流程可以直接呼叫它，而不用每次都重新拼一遍同樣的邏輯。它跟 Flow Agent 用的是同一套視覺化編輯器，差別在於 Automation Tools 是被其他流程引用的元件，不是一個獨立對外的 Agent，適合把重複出現的子步驟（例如某種格式轉換、某段固定的查詢邏輯）抽出來共用。

API 是把一段流程包成一組 HTTP 端點，讓外部系統可以直接打這個網址來觸發後端或 AI 端的處理，不需要透過對話介面。這適合把 Odin 建好的邏輯當成一個服務，接進既有的系統或排程作業裡，由外部程式決定何時呼叫、傳什麼參數進來。

Trigger 則是反過來，由 Odin 自己排程執行，用類似 cron 的方式定時自動跑，不需要外部系統或使用者主動觸發。清單畫面上還會標示目前有多少筆對話正在等待使用者處理，方便掌握哪些自動化卡在人工介入這一步，避免排程跑完了但實際上停在某個需要人工確認的節點沒人發現。

準備 AI 要用的工具箱

要讓 Agent 真正做事，通常需要先準備好一些可以重複使用的元件，而不是每次建 Agent 都從零開始兜。

MCP Servers 是讓 Agent 連到外部系統、抓資料、呼叫工具的標準介面，遵循 Model Context Protocol（MCP）。可以直接從既有的工作流程建立一個 MCP Server，把流程本身包裝成外部可呼叫的工具；也可以反過來，把已經架設好的第三方 MCP 伺服器接進來，讓 Agent 取用它提供的能力，兩個方向都支援。

Skillsets 是一包一包可重複使用的技能，設計上就是拿來在多個 Agent 之間共用同一套能力，而不用每個 Agent 各自實作一次。除了掛給 Agent 用，也支援手動觸發執行，而且每一次執行的狀態、花費時間、時間戳記都會留下紀錄，方便事後回頭確認某次執行是否成功、卡在哪裡。

Plugins 是再往上一層的打包單位，把工具（Toolsets）、技能（Skillsets）、檔案庫（Drive）、資料模型（Semantic）跟一個 Managed Agent 組合成一個整體。它存在的意義是：如果同一組資源常常要一起掛給不同的 Agent 用，與其每次手動一個一個掛，不如先包成一個 Plugin，之後直接掛整個 Plugin 就好，也比較不容易漏掉某個資源。建立時可以編輯設定，也可以切成唯讀模式單純查看內容。

Drive 是跨 Agent 共用的檔案與知識庫空間，本身有自己的同步機制，確保多個地方引用同一個 Drive 時看到的內容是一致的。除了掛給 Agent 當作可查詢的知識來源，也可以用 iframe 的方式直接嵌入到其他頁面或系統裡使用。

管理資料與知識

Semantic 用來建立結構化的資料模型，讓 Agent 能夠查詢企業內部的數據，而不是只能靠檔案裡的文字內容回答問題。

值得說明的是，這些模型並不是只有 Odin 自己在用，它們同時也是 Asgard 資料分析產品 Mimir（對外品牌名稱是資料洞察）實際操作的對象，兩邊看到的是同一份模型。

Knowledge Base 則是一整套完整的知識擷取流程：建立知識庫之後可以加入來源、設定排程更新（像是網頁爬蟲或資料庫定期同步），再處理 CSV、Excel、JSON 等格式的檔案、依照設定切分段落。

之後 AI 會自動幫忙加標籤與補充說明，最後還可以針對每個來源逐段做人工校對，確保進到知識庫裡的內容是準確的。

與其他 Asgard 產品串接

在 Odin 裡建好的東西，並不是只能留在 Odin 自己使用。每個專案都有一個 Applications 分頁，列出目前這個專案發布到其他 Asgard 產品的內容，每張卡片點下去會直接跳到對應的獨立應用程式。

發布給 Sindri（對外品牌名稱是 Agent Hub）使用的 Agent 會出現在這裡，同時也可以在 Odin 內設定套用到整個專案的 Agent Hub 規則，例如開放哪些 AI 模型可以被使用、以及對話之間共用的工作目錄。

發布給 Mimir（資料洞察）使用的資料模型同樣會列在這個分頁裡。

換個角度說，Odin 負責的是建置這件事本身，而 Sindri 跟 Mimir 是這些建置成果實際被使用者看到、被操作的地方，三個產品各自獨立部署，但透過發布機制串在一起。

基本設定

專案層級還有一組底層設定，管的是整個專案共用的基礎資源，而不是單一 Agent 或流程的設定。這裡可以設定外部系統的連線（透過 OAuth 授權），選擇 completion model（負責產生回覆的模型）與 embedding model（負責計算相似度、支援向量搜尋的模型），以及設定資料來源。這些設定會被前面提到的 Agent、Automation、Knowledge Base 等功能共用。

常見應用場景

• 聊天機器人 (Chatbot)
• 數位助理 (Digital Assistant)
• 內部客製搜尋引擎 (Custom Search Engines)
• 訓練教育應用 (Training Application)
• 影像辨識 (Image Recognition)
• 企業內部自動化流程（審核、通知、資料處理）