用途：引导从零创建一个完整接入 Olakai 的 AI 智能体项目，实现分析、KPI 跟踪和治理。
前置条件：安装 Olakai CLI（npm install -g olakai-cli），登录（olakai login），并通过 CLI 为每个智能体生成 API 密钥。
主要能力与流程：
- 设计架构。区分多步自主的 Agentic AI（聚合为单个事件，关注工作流级 KPI）与交互式 Assistive AI（每次交互单独事件，关注对话级 KPI）。强调先设计 KPI 再写 SDK 代码；每个智能体应有 2-4 个自定义 KPI，且 KPI 不可跨智能体共享。理解数据管道：SDK customData → CustomDataConfig 模式 → 上下文变量 → KPI 公式 → kpiData。只有注册为 CustomDataConfig 的字段才能在 KPI 公式中使用，公式求值大小写不敏感，NUMBER 配置需要数值类型。
- 配置平台。先用 olakai workflows create --name "名称" --json 创建工作流（智能体必须属于某工作流），再用 olakai agents create --name ... --description ... --workflow WORKFLOW_ID --with-api-key --json 创建智能体并获取 apiKey。随后创建自定义数据配置：olakai custom-data create --agent-id ID --name "字段" --type NUMBER|STRING，并用 olakai custom-data list 验证。创建 KPI：可用模板（olakai kpis templates / kpis create --calculator-id classifier --template-id ...），或自定义公式（--calculator-id formula --formula "..." --unit --aggregation），并用 olakai kpis validate 校验。
- SDK 集成。TypeScript：npm install @olakai/sdk openai，用 olakaiConfig 初始化后通过 olakai("event", "ai_activity", {...}) 上报事件，customData 仅含已注册字段。Python：pip install olakai-sdk openai，用 olakai_config 与 olakai(..., OlakaiEventParams(...))。其他语言可用 REST API 端点 https://app.olakai.ai/api/monitoring/prompt。多智能体可用 taskExecutionId 关联同一任务。
- 测试验证。运行智能体后，用 olakai activity list --agent-id ID --limit 1 --json 和 olakai activity get EVENT_ID --json 检查 customData 与 kpiData，确认 KPI 为数值而非字符串或 null。
- 生产清单。API 密钥存放在环境变量、错误处理包裹所有 LLM 调用、失败也上报事件（SuccessRate: 0）、所有自定义字段均有对应配置、公式验证通过、配置重试与超时、必要时脱敏。
限制与说明：文档部分内容在此截断（如 KPI 公式参考末尾），未提供价格、平台支持范围或效果保证等信息。