AI智能体企业落地实战

第一部分：

AI

方略认知

一、

AI

演进趋势和公司方略

1.

大模型的迅速演进

从只会口述的书生到行动落地的员工

2.

机器智能的演进阶段

a. Level 1

：聊天机器人（具备对话语言本领）

b. Level 2

：推理者（具备人类水平问题破解本领）

c. Level 3

：智能体（能够采取行动的自主系统）

d. Level 4

：革新者（能够辅助发明创造）

e. Level 5

：组织者（能够完成整个组织事务）

3.

AI

在公司的本领和边界

a.

确定性自动化区：

AI

独立完成（资料录入、基础客服）

b.

决策区：

AI

拆解，人类决策（合同审查、供给链决策）

c.

不确定性增强区：

AI

辅助，换个角度看，人类主导（营销文案、货品命名）

d.

人类主导区：

AI

不介入（并购谈判、危机公关）

二、公司

AI

运用层次和价值

1.

AI

运用三个层次

a. L1

：副驾驶

——

我做主，实操中，

AI

辅助（写邮件、做

PPT

）

b. L2

：事务流

——

我设定，

AI

自动（自动生成日报，自动回复邮件）

c. L3

：智能体

——

我给标的，

AI

执行（市场活动策划）

2.

业界运用实例

a.

制造业：维修助手

b.

零售业：数字导购

c.

金融业：风控拆解师

d.

电商业：情境规划师

e.

内容者：小红书内容生成器

3.

公司

AI

进化路径

个体赋能

→

情境嵌入

→

流程重构

→

资源整合

→

生态进化

4.

未来公司组织的形式

Human + AI

混合队伍

第二部分：智能体认知层

一、大模型的天生缺陷

1.

学识更新受限

2.

记忆本领不足

3.

提示词复杂度高

4.

迭代进程倚重人工、中间步骤无法介入

二、

AI Agent

为何

l

参考人类破解复杂问题的办法

l

能听懂指令、自己规划差事、动手破解难题

l

核心流程：输入领会

→

规划差事

→

执行动作

→

反馈调整

→

最终输出

三，

AI Agent

的典型架构

l

智能体核心公式

：智能体

=

大模型

+

规划

+

抓手

+

记忆

l

重新领会

AI

问答

：输入

→ LLM

领会

→ Planning → Tools → Memory →

输出

四，智能体的意义

l

弥合

AI

本领距离真实业务之间的

GAP

l

将人的审美评判和做事架构，在固定情境里，利用

AI

基本功，并补齐资料

l

将你的心得，交给实习生，让他们像你自己一样干活

第三部分：业务情境规划层

一、智能体落地五步法

1.

可行性评核（减法）

2.

拆规划

3.

快验证

4.

工程化

5.

做迭代

二、第一步：可行性评核

1.

技艺可行性

a.

认知型差事

b.

有办法

c.

能验证

2.

环境可行性

a.

资料可获取

b.

结果有容错

c.

组织不反对

3.

ROI

可行性

收益大

三、第二步：拆规划

l

先在纸面上成功，再在现实中成功

四，第三步：快验证

l

哪里虚、验证哪里

五、实战上手

l

按照模板评核

5

个情境的得分（

ROI

可行、技艺可行、环境可行）

第四部分：智能体本领层

一、搭建第一个智能体

1.

平台界面认知

事务室、学识库、抓手、插件

2.

智能体创建流程

选项分类

→

提示词

→

开场白

→

创建智能体

→

模型配置

→

测试

→

发布

二、提示词工程

1.

领会

AI

协助的本质

2.

和

AI

协助的方式

3.

第一步：弄懂

AI

的特点

a.

极度聪明

b.

极度内向

c.

极度理性

4.

第二步：布置差事给大模型

i.

公开区：清晰、明了指导性差事

ii.

隐藏区：主动公开要求、期望、来由

iii.

盲区：主动提问、假定定位、请教

iv.

探索区：多轮交流、交换意见

a.

提示词四要素（

WHO

，

WHAT

、

WHY

，

WANT

）

5.

第三步：审核确认

a.

迭代调试

b.

审美评判

c.

复盘收束

三，插件

——

执行动作的衍生

1.

插件的本质

a.

别人做出来的准则抓手

b.

有明晰的环境、差事标的、完成准则判断

2.

插件难点

a.

匹配输入

/

输出

b.

寻找插件

c.

自己开发插件（稳定性，成本、性能、功能）

3.

插件就是市场上已经有人做出了抓手

四、学识库

——

赋能

AI

专属学识

1.

学识库的本质

结构化专精高质量、一小格一小格的章节内容

2.

学识库分类

a.

结构化资料（

SQL

、

NoSQL

）

b.

实时联网资料（

API

接口）

c.

非结构化资料（

PDF

、

Word

、图片）

d.

高维向量资料

3.

学识库处理流程

文件拆解

→

切片

→

构筑索引

→ query

检索

→

排序

→

输出答案

4.

学识库创建演示

Excel

表格，

Word

文档、

PDF

文档

五、事务流

——

拉升交付质量

1.

事务流的价值

a.

拆分不同定位，多个

AI

比一个

AI

干得好

b.

设立高准则，直到满足要求

c.

只有进程才能够迭代精进

2.

事务流的本质

需要编程思路：变量名、变量类型、变量值、引用、封装、连线

3.

事务流节点

熟稔常见节点的用法

4.

其他要害节点

a.

多模态

b.

输入、输出

c.

资料库

d.

代码

第五部分：公司系统集成层

一、智能体对接公司系统实战

1.

智能体集成架构

HTTP

调用

/ MCP Client

调用

→

学识库

/

插件

2.

详解

HTTP

调用节点

a. GET / POST

接口调用

b.

请求头和鉴权参数

c.

接口返回资料拆解

二、公司

AI

智能体落地形态变化

l

软件系统

→ AI

本领层（

Agent

平台、事务流引擎、

RAG

系统）

→ AI

大模型

→

公司资料

第六部分：工程化和迭代

一、

AI

工程化的定义

l

怎样精进

AI

原型在上限可靠，下限可控、成本经济之间找到动态平衡的系统办法

二，工程化三大追求

1.

上限稳定

AI

输出的正常平均结果，实操中，能够稳定支撑业务诉求

2.

下限可控

AI

输出的异常，最坏结果，也在可接受范围内，运行层面，不能出现灾难性错误

3.

成本经济

在保证上限可靠，下限可控的前提下，最大限度地降低成本

三、工程化的办法

1.

拆模块化（拆细执行

SOP/

动作，往细里说，落地时，加评审

/

校对

/

提取

/

汇总）

2.

配上下文（配提示词、配学识库、配资料库，配插件）

3. A/B

测试（测不同提示词、不同模型、不同学识

/

资料库、不同插件抓手）

4.

调试招数（看整体输出、看每一步输出、看进程日志、强制输出中间结果）

四，具体来看，构筑迭代飞轮

l

发现问题

→

迭代测试集

→

修复问题

→

部署

/

发布

→

采集营运资料

→

持续进步

五、组织支持

1. 1

号位工程

2.

明晰员工安全边界

3.

鼓励革新

4. CEO

负责组织：明晰呈报队伍、明晰文档输出队伍、明晰智能体搭建队伍

第七部分：综合实战

——

攻克真实业务情境

一，落地时，公司

AI

智能体落地形态变化

l

业务系统

+ AI Agent + AI

本领层

+ AI

大模型

+

公司资料

二、呈报要求

l

呈报时长：每组

10

分钟

l

智能体演示：

2

分钟（展示要害节点）

l

智能体规划完整呈报：

8

分钟（情境选项、智能体规划、工程化规划）

七、

课程收束

收束回归

l

领会

AI

：生文、推理复杂问题，执行

l

领会智能体：

LLM + Memory + Planning + Tools

l

规划智能体：从抓手属性走向类人协同伙伴的要害节点

l

构筑智能体：定情境、拆规划、快验证、工程化、做迭代

l

接入公司系统：以问题为驱动，渐次完善的进程

老师简介

Introduction to lecturers

弄懂更多

博闻智咨询|谢海林老师