AI智能体（Agent）企业落地实战

一、AI 和 Agent 认知启蒙——从“会聊天”到“会干活”

（本模块标的：让参训者构筑“AI 为何 → Agent 比 AI 多了什么 → 业界黑话都是啥”的认知轮廓，全程不写代码、不碰平台。）

1.1 先讲清“你已会的大模型”的边界

1. 1、从参训者最熟的情境切入——用大模型写方案，本质是“你给指令、AI 生成文字，你复制粘贴、你来执行”。

2. 2，点破三个边界：

1 AI 不连接你的系统（发不了邮件，查不了 CRM）；

2 AI 不主动行动（你不说它不动）。

3 AI 不记得你是谁（每次都是新对话）。

1. 这正是需要 Agent 的原因——Agent 补齐了“手”和“行动力”。

1.2 AI 为何、分成什么

2. 1、AI 的三层分级（用类比讲，实操中，不背定义）：

(1) ANI 弱机器智能（今天所有落地 AI，落地时，下棋/写稿各管一事）

(2) AGI 通用机器智能（像人一样啥都会，换个角度看，还没真正到来）

(3) ASI 超级智能（超越人类，运行层面，科幻级）。

1. 让参训者知道：现在用的全是 ANI。

2. 2，生成式 AI vs 预测式 AI：生成式是“创造新内容”（写文章/画图/写代码），落地时，预测式是“做判断”（风控评分，销量预测）。我们课程里用的都是生成式 AI。

3. 3，主流大模型一张图：GPT（通用最强，生态全）、Claude（长文本和安全合规强），Gemini（多模态、谷歌系）、DeepSeek（国产开源，便宜好用）、通义千问 / 文心一言（中文情境）、智谱 GLM（国产、Agent 本领强）。强调“模型是大脑，执行层面，Agent 是会用大脑的身体”。

1.3 Agent 为何，分成什么（本模块核心）

4. 1、自主度光谱，就一线经验说，四级逐一展开：

(1) Chatbot（聊天机器人）：你问一句它答一句，换个角度看，不主动，不行动。例：网页客服问答。

(2) Copilot（副驾）：在你事务时在旁边给建议，补内容，但最后一步要你点。例：Word 里帮你续写，Excel 里帮你写公式。

(3) Agent（智能体）：你给一个标的，它自己拆步骤、调抓手，跑完交付。例：“帮我整理本周买方邮件并生成跟进表”——它自己读邮件，分类、建表。

(4) Multi-Agent（多智能体）：一群各有所长的 Agent 分工协同完成复杂差事。例：一个搜资料、一个写初稿，一个做质检。

1. 2、Agent 的四大本领，逐条解释+事务情境举例：

(1)

感知：

能读取文字、文件、网页、系统资料（而不只是听你打字）。例：读取你上传的 Excel。

(2)

规划：

将大标的拆成有序小步骤。例：将“写竞品拆解”拆成 搜资料→读→列轮廓→写→自检。

(3)

抓手调用（Tool Calling）：

能真的发邮件，查资料库、跑代码、下文件。这是 Agent 和“聊天机器人”最本质的区别。

(4)

记忆：

记住本次对话上下文，往细里说，也能跨对话记住你的偏好和历史（这一点在模块四“长期记忆”专门展开）。

1.4 业界黑话扫盲

1. 1，每个词用“一句话人话 + 一个事务例子”讲透：

(1) RAG（检索增强生成）：先去你的资料库查资料再回答，防止胡编。例：让 AI 按照公司制度答“请假流程”。

(2) MCP（模型上下文协议）：Agent 统一连接各种软件的“万 能插头”，就一线经验说，运行层面，被誉为 AI 时代的 USB-C。

(3) A2A（智能体间协议）：不同 Agent 之间互相通信协同的“语言”，实操中，被誉为 AI 时代的 TCP/IP。

(4) Tool Calling（抓手调用）：Agent 调用外部软件/接口的本领（发邮件，就一线经验说，查库存）。

(5) Computer Use：Agent 像人一样看屏幕，点鼠标、敲键盘，无需软件开放接口。

(6) 学识库 / 向量库：将公司文档转成 AI 能迅速检索的格式，从实践看，是 Agent 的“记忆外挂”。

(7) 事务流 / 自动化：将多个步骤串成自动运行的流水线（收到邮件→AI 摘要→写入表格）。

(8) 数字员工 / 数字分身：承担某项固定职责，7×24 替人干重复活的 Agent（模块四重点讲）。

1. 2、交流：同一差事“聊天模式 vs Agent 模式”实地对比，往细里说，构筑认知轮廓。

2. 3，小测：术语连连看，黑话不再怕。

二，全球 Agent 进展全景——国内外现在到什么程度了

（本模块标的：让参训者拿到一个“判断轮廓”，以后看到任何新 Agent 货品都能自己看懂它到哪一步，执行层面，而不是死记厂商名字。）

2.1 让你“看懂各家”的办法论

3. 1，执行层面，用三个维度判断任何一款 Agent：

(1) 自主度（只能聊 / 能辅助 / 能自己干 / 能成群干）。

(2) 能不能连系统（只动嘴 vs 真能调抓手，实操中，碰业务系统）；

(3) 开源还是闭源（免费可改 vs 花钱托管）。

1. 带着这三个问题去看下面各家，换个角度看，立刻清楚谁强在哪。

2.2 国际前沿的AI模型以及智能体

2. 1，执行层面，OpenAI：从 Operator（能自己上网点网页）演进到 ChatGPT Agent 模式，Workspace Agents，Agents SDK，特点是“能替你操作电脑和网页”，换个角度看，就一线经验说，并在推准则化开发轮廓。

3. 2，Anthropic：靠 Claude 的 Computer Use（直接操作界面）和 MCP 协议立标杆。MCP 已被捐给 Linux 基金会，换个角度看，等于它定义了“AI 接外设”的业界准则。还有 Managed Agents，Cowork（和人并肩干活）。

4. 3，Google：Gemini 多模态强，执行层面，并提出 A2A 协议，运行层面，主打“让不同平台的 Agent 互相说话”。

5. 4，Microsoft：Copilot Studio 已建 40 万+ 自定义 Agent，实操中，具体来看，是公司侧落地最猛的一家，运行层面，强调和 Office/Teams 深度绑定。Meta 的 Llama 5 主打开源底座。

2.3 国内进展：从三个维度来看

6. 1，DeepSeek：开源+便宜，具体来看，将采用门槛打下来，是很多国内运用的底座。

7. 2，智谱 GLM-5.2 / AutoGLM / AutoClaw：特点是“能操控手机和电脑界面”做真实操作，执行层面，换个角度看，Agent 执行本领突出。

8. 3、字节 Coze 3.0：零代码搭建，执行层面，上手最容易，已支持多智能体协同，适合职场人自己搭。

9. 4、阿里百炼，腾讯元器 / WorkBuddy 公司版、百度文心 DuMate：背靠各自生态（钉钉/企微/百度），在实际应用里，和办公协同软件打通。

10. 5、钉钉悟空，Dify（开源可私有化）适合对资料可控有要求的公司。

2.4 要害判断：构筑业界直觉

11. 1，两个类比记住：MCP = AI 时代的 USB-C（统一插口，换个角度看，一次接好处处能用）。

12. A2A = AI 时代的 TCP/IP（Agent 之间联网协同）。

13. 2、2026 五大转变对你事务的含义：

(1) 从 Chatbot→Co-pilot（AI 从问答变辅助），

(2) 单 Agent→Agent Mesh（多个 AI 分工），

(3) 云端→本地化（敏感资料不出公司）、

(4) 抓手→岗位专家（每个 AI 像一个专员），

(5) 纯大模型→“大模型+学识图谱+抓手”（更准更可控）。

1. 一句话收束：以后不是“用 AI 写东西”，运行层面，而是“雇一个数字员工”。

2. 3，资料透视：2026 年中全球 54% 公司已部署 Agent，国内公司级 Agent 市场预计 449 亿元。

3. 4、交流：小组头脑风暴——你所在岗位，往细里说，哪个环节最该先上 Agent？

三，办公情境实战（上）——用 Agent 干真实的事务

（本模块标的：参训者第一次真正上手。每个实战前先将“原理和讲师要讲的点”讲清，再动手，防止“照着点却不知为啥”。）

3.0 选对平台

4. 1，三个零代码平台怎么选：

5. 飞书生态选 Coze、公司微信生态选workbuddy，从实践看，对资料私有化/可控要求高选 Dify（可本地部署）。资料安全红线反复强调：涉及买方名单，合同、薪酬等等机密，绝不外喂公网模型，落地时，优先用公司版/私有化。

实战 1｜会议纪要自动生成

1， 先破误区：很多人以为“用大模型写纪要”就是 Agent，落地时，其实你仍要自己转写，自己粘贴、自己要格式，执行层面，AI 只润色最后一步。

2、 真正的 Agent 化是将“转写 → 抽取要害资讯（决议/待办/责任人/时间）→ 按照公司模板排版 → 列出待办”整条链路交给它自动跑，在实际应用里，你只给原始素材和标的。

3、 两个核心学识点：

(1) 定位设定（Prompt 里写“你是十年心得的会议纪要专家”，输出质量立刻不同）。

(2) 结构化输出 + RAG（调用公司纪要模板，实操中，实操中，保证格式统一）。

1. 4、实战：将录音或者文字一键转为“结构化纪要 + 待办清单”。

2. 5，操练：拿你自己的真实会议记录，具体来看，让 Agent 生成一份纪要，运行层面，对比手工写的差别。

实战 2｜文档 / 方案智能生成

1，落地时， 从“写手”升级为“项目经理”：你给 Agent 三样东西——

(1) 人设（你是某某岗位、按照什么准则写）

(2) 学识库（上传公司模板，过往出色周报、业务资料）

(3) 评审准则（结构，实操中，字数、重点）。

1. AI 按照 SOP 多轮迭代产出，运行层面，还能自检“有没有漏掉本周重点”。

2.

要害学识点：

定位提示词 + RAG 让 AI 用“你的规范”而不是“通用套话”。

3. 2，实战：基于公司模板，换个角度看，用 Agent 生成一份周报 / 项目方案。

4. 3，换个角度看，操练：用你部门的真实模板，往细里说，让 Agent 产出一份可直接用的周报。

实战 3｜资料对话“对话即拆解”

1、 “对话即拆解”原理：将 Excel 丢给 Agent，自动出图表和结论。

1. 要害学识点：描述清楚“你想回答的业务问题”比“想要什么图”更要害；敏感资料本地处理。

2. 2、实战：上传一份销售 / 营运资料，用自然语言问出一张图表 + 一句结论。

3. 3，就一线经验说，操练：拆解一份你手头的真实资料，输出一张图和一个业务结论。

实战 4｜跨运用自动化初体验

4. 1，“事务流”概念先讲透：

5. 事务流 = 将多个步骤串成自动运行的流水线，往细里说，

6. 2，包含的三类要素：

7. 触发（什么时候启动），节点（每一步做什么，可含条件分支）、输出（交付到哪）。

1，执行层面，

实例：

一条最小链路：收到邮件 → AI 摘要 → 写入在线表格。

1. 3，实战：搭一条“邮件 → 摘要 → 写表”的最简事务流并跑通。

2. 4、操练：改一改触发条件或者输出位置，让它适配你自己的情境。

四，实操中，办公情境实战（下）——搭建你的「自动化数字分身」

（本模块标的：参训者产出自己的“数字分身”。先花足时间将概念拆开讲透，再动手搭建，确保“搭得明白，讲得清楚”。）

4.1 何为「数字分身」——先讲清概念

3. 1，定义：数字分身是承担你某项固定职责，换个角度看，就一线经验说，落地时，7×24 小时运行的“数字员工”，往细里说，它“像你”但不必是“克隆你”：它用你的学识库、你的语气、你的模板去干活，故而产出风格像你，但它不必有你的全部本领，就一线经验说，只专注将那件重复事干好。

4. 2，运行层面，落地时，实操中，市面上的各类Agent的区别：

(1) Chatbot 你问才答。

(2) Copilot 给建议你执行。

(3) 普通 Agent 跑一次差事就结束；

(4) 数字分身 = 长期在岗 + 有你的学识和语气 + 能主动触发，落地时，是“固定在岗的专属员工”。

1， 三种形态：

(1) 对话型（你问它答，但背后有你的学识库，答得专精）

(2) 事务流型（不用你问，就一线经验说，在实际应用里，到点自动跑流程）

(3) 长期记忆型（跨对话记住你，就一线经验说，运行层面，从实践看，落地时，往细里说，越用越懂你）。

1. 一个完整的数字分身往往是“三者组合”。

4.2 核心构件一：对话型智能体（人设 + 学识库 + 抓手）

2. 1，怎么让 Agent“像你”：三件套。

(1) 人设（在设定里写清“你是谁，具体来看，负责什么、不该做什么、用什么语气”，这是人格来源）。

(2) 学识库（上传你的资料/规范/历史文件，运行层面，Agent 用 RAG 检索后回答，从实践看，保证专精并且贴合你司实际）；

(3) 抓手（接入邮箱，表格、业务系统，让它能真去查，真去发）。

1. 没有这三件套，就一线经验说，往细里说，它就是个通用聊天机器人。

2. 2、人设怎么写才有用：防止“你是一个有支援的助手”这种空话，落地时，要写“你是 XX 公司市场部周报助手，落地时，负责将每周资料按照模板整理成周报，用语简洁、只输出结论和待办，落地时，不确定的资料标注‘待核实’”。越具体，运行层面，产出越像你。

4.3 核心构件二：自动化事务流（让 Agent 按照 SOP 干活）

3. 1，落地时，事务流 = 可视化流水线，落地时，落地时，三大要素展开：

(1) 触发（何时启动：定时如每天 9 点 / 经过如收到邮件或者表单提交 / 手动点击）。

(2) 节点（每一步做什么，具体来看，可含条件分支“倘若含‘投诉’就转主管”，从实践看，循环“逐条处理”）。

(3) 输出（交付到哪：表格 / 邮件 / 群消息）。

1，往细里说，就一线经验说，在实际应用里，就一线经验说， 两个真实实例拆解：

(1)

实例 A

「每日自动汇总竞品动态并推送」

——触发(定时9点)→节点(抓指定网页/新闻→AI摘要→按照模板排版)→输出(推送到企微群)。

(2)

实例 B

「邮件附件自动归档」

——触发(收到带附件邮件)→节点(识别附件类型→重命名)→输出(存入对应共享文件夹并回执)。

4.4 核心构件三：长期记忆（越用越懂你）

1. 1，在实际应用里，先分清两种记忆：

(1) 短期上下文（一次对话内记得前面说了啥，落地时，就一线经验说，运行层面，对话结束就清空）

(2) 长期记忆（跨对话记住你的偏好，历史、纠正过的错误）。

1. 这正是“数字分身”区别于“一次性 Agent”的要害——它能积累。

1，在实际应用里，运行层面，换个角度看， 长期记忆怎么达成：靠两套库——

(1) 学识库（你主动上传的静态资料，如公司制度，你的模板）

(2) 记忆库 / 用户画像（系统自动记录的动态资讯，落地时，就一线经验说，运行层面，如“该用户偏好结论先行”“上次说周报不要写进程只写结果”）。

1， 长期记忆的三点价值：

1. 人格一致（一直用你的语气），

2. 越用越准（记住你改过的意见不再犯），

3. 省去重复交代（不用每次重新来由 briefing）。

4.5 数字分身搭建六步法（将上面三构件串成可操作步骤）

4. 1、六步走，实地就按照这个流程搭：

(1) 选情境（挑一个高频、重复、规则明晰的差事，别一上来选模糊的）

(2) 定人设/职责（写清定位、边界、语气）

(3) 喂学识库（上传相关资料，就一线经验说，配 RAG）

(4) 配抓手（接入需要的系统/接口）

(5) 设触发和记忆（选触发方式、开启长期记忆）

(6) 测试验收（跑一遍，查验产出对不对，运行层面，往细里说，不对就调人设/学识库）。

1、 安全和边界（动手前必须讲）：

(1) 什么能给 Agent 做（资讯整理、草稿、内部汇总）、什么必须人工（敏感决策、对外承诺，具体来看，执行层面，金额和合规）。

(2) 正确人机协同姿势 = 人定标的，往细里说，Agent 执行，人验收。给参训者一句口诀：“让 AI 跑腿，落地时，让人把关。”

实战 5｜搭建专属办公助手（对话型）

1. 1，落地时，实战：在 Coze / workbuddy上，运行层面，落地时，按照“人设 + 学识库 + 抓手”三件套，从实践看，做出一个“懂你事务”的助手（如周报助手 / 客服话术助手 / 合同初审助手）。

2. 2、操练：参训者实地搭出自己的第一个助手，往细里说，落地时，运行层面，并当场问它一个问题验证“像不像你”。

实战 6｜搭建自动化事务流（事务流型 + 触发）

3. 1，执行层面，实战：按照六步法，运行层面，搭一条属于自己的自动化流水线（如每日竞品动态汇总推送 / 邮件附件自动归档 / 表单自动生成跟进表）。

4. 2，实操中，往细里说，操练：跑通后截图留存。

【附录一：业界术语速查】

大模型 LLM：参数量巨大的神经网络模型，执行层面，运行层面，运行层面，在实际应用里，能领会和生成文字/代码/图像，在实际应用里，是 Chatbot 和 Agent 的“大脑”。

生成式 AI：能创造新内容（文字/图/代码）的 AI，实操中，运行层面，换个角度看，往细里说，区别于只做预测分类的传统 AI。

Agent（智能体）：能自主领会标的，拆解差事，调用抓手、执行并交付结果的 AI 系统，从实践看，从实践看，比 Chatbot 多了“手”和“行动力”。

Chatbot：只能一问一答的对话机器人，执行层面，在实际应用里，实操中，落地时，你问它才答。

Copilot（副驾）：在你事务时在旁辅助，给建议，换个角度看，往细里说，执行层面，但最终要你来执行。

Multi-Agent（多智能体）：多个各有专长的 Agent 协同完成复杂差事（如一个找资料，执行层面，执行层面，一个写，一个审）。

RAG（检索增强生成）：让 AI 先去你的资料库查资料再回答，实操中，执行层面，实操中，防止胡说，换个角度看，落地时，就一线经验说，是公司学识问答的核心技艺。

MCP（模型上下文协议）：Anthropic 开源的“AI 万 能插头”，运行层面，让 Agent 统一连接各种软件/资料库，往细里说，往细里说，执行层面，被誉为 AI 时代的 USB-C（已于 2025 年底捐给 Linux 基金会）。

A2A（智能体间协议）：Google 提出的“Agent 互相通信”的协议，往细里说，在实际应用里，执行层面，让不同平台的 Agent 能协同，就一线经验说，往细里说，从实践看，被誉为 AI 时代的 TCP/IP。

Tool Calling（抓手调用）：Agent 调用外部软件/API 的本领（发邮件，实操中，查资料库、跑代码）。

Computer Use / CUA：Agent 像人一样看屏幕，就一线经验说，点鼠标、敲键盘操作电脑，换个角度看，无需软件开放接口。

Prompt（提示词）：你给 AI 的指令。

Token：AI 处理文字的最小单位（约 = 1 个汉字），落地时，执行层面，也是计费单位。

Fine-tuning（微调）：用专属资料训练模型，往细里说，实操中，落地时，往细里说，让它更懂你的业务。

学识库 / 向量库：将公司文档转成 AI 能迅速检索的格式，就一线经验说，具体来看，具体来看，是 Agent 的“记忆外挂”。

事务流 / 自动化：将多个步骤串成自动运行的流水线（如：收到邮件 → AI 摘要 → 写入表格）。

数字员工 / 数字分身：承担某项固定职责的 Agent，7×24 小时替人干重复性事务。

具身智能（Embodiment）：有物理身体（机器人/自动驾驶）的 AI，就一线经验说，实操中，在实际应用里，就一线经验说，能感知并作用于真实世界。

【附录二：主流 Agent 平台和抓手清单（2026）】

零代码搭建：字节 Coze（国内，运行层面，在实际应用里，换个角度看，从实践看，飞书互通，已升级 3.0 支持多智能体协同）

零代码搭建：腾讯workbuddy（微信/企微/腾讯文档互通），运行层面，百度文心智能体，从实践看，执行层面，阿里百炼（160+ 模型接入）

开源可私有化：Dify（公司资料可控，执行层面，可本地部署）

国际平台：OpenAI ChatGPT Agent，实操中，Anthropic Claude（Computer Use / Cowork），往细里说，Google Gemini、Microsoft Copilot Studio

办公协同入口：钉钉（悟空），飞书、公司微信、腾讯文档——多数已内嵌 Agent 本领

自动化事务流：Coze 事务流、n8n、Make、Zapier

国内前沿模型：DeepSeek、智谱 GLM、通义千问、文心一言、豆包、Kimi

选型提醒：涉及公司敏感资料，优先选支持私有化 / 专属部署的平台，切勿将机密喂给公网模型

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|李金金老师