《AI智能体（Agent）企业落地实战》

《AI智能体（Agent）企业落地实战》

从“会聊天”到“会干活”——职场人的 Agent 上手指南

主讲：李金金老师

【课程背景】

2026 年，AI 从“对话问答”正式跨入“执行任务”的阶段。行业数据清晰地说明了这一点：截至 2026 年中，全球已有 54% 的企业在生产环境运行 AI Agent；中国每天的大模型 Token 调用量突破 140 万亿，企业级 AI 智能体市场规模从 2025 年的 212 亿元预计增长至 2026 年的 449 亿元。Google Cloud 将其总结为五大转变：从 Chatbot 到 Co-pilot、从单 Agent 到 Agent Mesh（多智能体协同）、从云端到本地化、从工具到“岗位专家”、从纯大模型到“大模型+知识图谱+工具”的复合架构。

但对绝大多数企业职场人来说，对 AI 的认知仍停留在“用大模型写写方案、改改文案”的阶段。他们没用过 Agent，更看不懂行业里满天飞的 名词，也不知道 OpenAI、Anthropic、智谱、DeepSeek、字节 Coze、腾讯各自走到了哪一步。结果是：知道 AI 有用，却用不出效率；看见别人提效，自己无从下手。

本课程专为“只会用大模型写东西、对 Agent 毫无概念”的 0 基础职场人设计。前半段用大白话把 AI 与 Agent 的分类、行业黑话、国内外最新进展讲清楚，让大家“看懂局势”；后半段直接上手，把 Agent 用到真实办公场景里，甚至搭出一个替你干重复性活的“自动化数字分身”。一切以“回去就能用”为唯一标准。

【课程目标】

完成本课程后，学员将从“只会用 AI 写东西”升级为“能让 AI 替自己干活”，具体能独立做到以下五件事：

讲得清：用大白话向同事说清 AI、Agent、数字分身的区别，以及 RAG / MCP / A2A 等核心黑话是什么意思。

看得懂：面对国内外各家 Agent 产品（OpenAI / Anthropic / 智谱 / DeepSeek / Coze / 元器等），能判断它“能干嘛、到哪一步了”。

搭得出（对话型）：在零代码平台独立搭建 1 个具备“人设 + 知识库”的专属办公助手。

搭得出（自动化）：搭建至少 1 条跨应用自动化工作流，把一项重复任务（纪要 / 数据汇总 / 邮件归档）交给 Agent 自动跑。

【课程特色】

0 基础友好：从学员“已经会的大模型写作”平滑过渡，不堆术语、不秀技术，先唤醒经验再进阶。

真实操：每人现场产出“可运行的助手 + 可跑通的工作流”，带走即用。

场景化：全部案例取自真实办公场景（会议 / 文档 / 数据 / 邮件），拒绝脱离业务的“教科书式演示”。

【课程收益】

准确区分 Chatbot / Copilot / Agent / Multi-Agent 的“自主度”差异，并各举 1 个本职工作中的适用场景。

说清 RAG、MCP、A2A、Tool Calling、Computer Use 等核心行业术语的含义，不再被黑话劝退。

在零代码平台上，独立搭建具备“人设 + 知识库”的专属办公助手。

搭建跨应用自动化工作流，把一项重复性办公任务（如会议纪要 / 数据汇总 / 邮件归档）交给 Agent 自动跑。

【课程对象】

企业各职能岗位职场人：行政、运营、市场、销售、职能、人事、财务及一线中层管理者；仅用过大模型写东西、写方案，对 Agent 完全没有概念的 0 基础学员；想用 AI 提升效率、但不知道从何下手的非技术背景员工。

【课程时间】

1 天（6 小时）

【课程大纲】

一、AI 与 Agent 认知启蒙——从“会聊天”到“会干活”

（本模块目标：让学员建立“AI 是什么 → Agent 比 AI 多了什么 → 行业黑话都是啥”的认知框架，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、从学员最熟的场景切入——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、点破三个边界：

AI 不连接你的系统（发不了邮件、查不了 CRM）；

AI 不主动行动（你不说它不动）；

AI 不记得你是谁（每次都是新对话）。

这正是需要 Agent 的原因——Agent 补齐了“手”和“行动力”。

1.2 AI 是什么、分成什么

1、AI 的三层分级（用类比讲，不背定义）：

ANI 弱人工智能（今天所有落地 AI，下棋/写稿各管一事）

AGI 通用人工智能（像人一样啥都会，还没真正到来）

ASI 超级智能（超越人类，科幻级）。

让学员知道：现在用的全是 ANI。

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），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、主流大模型一张图：GPT（通用最强、生态全）、Claude（长文本与安全合规强）、Gemini（多模态、谷歌系）、DeepSeek（国产开源、便宜好用）、通义千问 / 文心一言（中文场景）、智谱 GLM（国产、Agent 能力强）。强调“模型是大脑，Agent 是会用大脑的身体”。

1.3 Agent 是什么、分成什么（本模块核心）

1、自主度光谱，四级逐一展开：

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

Copilot（副驾）：在你工作时在旁边给建议、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。

Agent（智能体）：你给一个目标，它自己拆步骤、调工具、跑完交付。例：“帮我整理本周客户邮件并生成跟进表”——它自己读邮件、分类、建表。

Multi-Agent（多智能体）：一群各有所长的 Agent 分工协作完成复杂任务。例：一个搜资料、一个写初稿、一个做质检。

2、Agent 的四大能力，逐条解释+工作场景举例：

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

规划：把大目标拆成有序小步骤。例：把“写竞品分析”拆成 搜资料→读→列框架→写→自检。

工具调用（Tool Calling）：能真的发邮件、查数据库、跑代码、下文件。这是 Agent 和“聊天机器人”最本质的区别。

记忆：记住本次对话上下文，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 行业黑话扫盲

1、每个词用“一句话人话 + 一个工作例子”讲透：

RAG（检索增强生成）：先去你的资料库查资料再回答，避免胡编；例：让 AI 按公司制度答“请假流程”。

MCP（模型上下文协议）：Agent 统一连接各种软件的“万能插头”，被誉为 AI 时代的 USB-C。

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

Tool Calling（工具调用）：Agent 调用外部软件/接口的能力（发邮件、查库存）。

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

知识库 / 向量库：把企业文档转成 AI 能快速检索的格式，是 Agent 的“记忆外挂”。

工作流 / 自动化：把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）。

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）。

2、互动：同一任务“聊天模式 vs Agent 模式”现场对比，建立认知框架。

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

（本模块目标：让学员拿到一个“判断框架”，以后看到任何新 Agent 产品都能自己看懂它到哪一步，而不是死记厂商名字。）

2.1 让你“看懂各家”的方法论

1、用三个维度判断任何一款 Agent：

自主度（只能聊 / 能辅助 / 能自己干 / 能成群干）；

能不能连系统（只动嘴 vs 真能调工具、碰业务系统）；

开源还是闭源（免费可改 vs 花钱托管）。

带着这三个问题去看下面各家，立刻清楚谁强在哪。

2.2 国际前沿的AI模型及智能体

1、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”，并在推标准化开发框架。

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，等于它定义了“AI 接外设”的行业标准。还有 Managed Agents、Cowork（和人并肩干活）。

3、Google：Gemini 多模态强，并提出 A2A 协议，主打“让不同平台的 Agent 互相说话”。

4、Microsoft：Copilot Studio 已建 40 万+ 自定义 Agent，是企业侧落地最猛的一家，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

1、DeepSeek：开源+便宜，把使用门槛打下来，是很多国内应用的底座。

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，Agent 执行力突出。

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

4、阿里百炼、腾讯元器 / WorkBuddy 企业版、百度文心 DuMate：背靠各自生态（钉钉/企微/百度），和办公协同软件打通；

5、钉钉悟空、Dify（开源可私有化）适合对数据可控有要求的企业。

2.4 关键判断：建立行业直觉

1、两个类比记住：MCP = AI 时代的 USB-C（统一插口，一次接好处处能用）；

A2A = AI 时代的 TCP/IP（Agent 之间联网协作）。

2、2026 五大转变对你工作的含义：

从 Chatbot→Co-pilot（AI 从问答变辅助）、

单 Agent→Agent Mesh（多个 AI 分工）、

云端→本地化（敏感数据不出公司）、

工具→岗位专家（每个 AI 像一个专员）、

纯大模型→“大模型+知识图谱+工具”（更准更可控）。

一句话总结：以后不是“用 AI 写东西”，而是“雇一个数字员工”。

3、数据透视：2026 年中全球 54% 企业已部署 Agent，国内企业级 Agent 市场预计 449 亿元。

4、互动：小组头脑风暴——你所在岗位，哪个环节最该先上 Agent？

三、办公场景实战（上）——用 Agent 干真实的工作

（本模块目标：学员第一次真正上手。每个实战前先把“原理和讲师要讲的点”讲清，再动手，避免“照着点却不知为啥”。）

3.0 选对平台

1、三个零代码平台怎么选：

飞书生态选 Coze、企业微信生态选workbuddy、对数据私有化/可控要求高选 Dify（可本地部署）。数据安全红线反复强调：涉及客户名单、合同、薪酬等机密，绝不外喂公网模型，优先用企业版/私有化。

实战 1｜会议纪要自动生成

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

真正的 Agent 化是把“转写 → 抽取关键信息（决议/待办/责任人/时间）→ 按公司模板排版 → 列出待办”整条链路交给它自动跑，你只给原始素材和目标。

两个核心知识点：

角色设定（Prompt 里写“你是十年经验的会议纪要专家”，输出质量立刻不同）；

结构化输出 + RAG（调用公司纪要模板，保证格式统一）。

4、实战：把录音或文字一键转为“结构化纪要 + 待办清单”。

5、练习：拿你自己的真实会议记录，让 Agent 生成一份纪要，对比手工写的差别。

实战 2｜文档 / 方案智能生成

从“写手”升级为“项目经理”：你给 Agent 三样东西——

人设（你是某某岗位、按什么标准写）

知识库（上传公司模板、过往优秀周报、业务数据）

评审标准（结构、字数、重点）。

AI 按 SOP 多轮迭代产出，还能自检“有没有漏掉本周重点”。

关键知识点：角色提示词 + RAG 让 AI 用“你的规范”而不是“通用套话”。

2、实战：基于公司模板，用 Agent 生成一份周报 / 项目方案。

3、练习：用你部门的真实模板，让 Agent 产出一份可直接用的周报。

实战 3｜数据对话“对话即分析”

“对话即分析”原理：把 Excel 丢给 Agent，自动出图表与结论。

关键知识点：描述清楚“你想回答的业务问题”比“想要什么图”更重要；敏感数据本地处理。

2、实战：上传一份销售 / 运营数据，用自然语言问出一张图表 + 一句结论。

3、练习：分析一份你手头的真实数据，输出一张图和一个业务结论。

实战 4｜跨应用自动化初体验

1、“工作流”概念先讲透：

工作流 = 把多个步骤串成自动运行的流水线，

2、包含的三类要素：

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）。

案例：一条最小链路：收到邮件 → AI 摘要 → 写入在线表格。

3、实战：搭一条“邮件 → 摘要 → 写表”的最简工作流并跑通。

4、练习：改一改触发条件或输出位置，让它适配你自己的场景。

四、办公场景实战（下）——搭建你的「自动化数字分身」

（本模块目标：学员产出自己的“数字分身”。先花足时间把概念拆开讲透，再动手搭建，确保“搭得明白、讲得清楚”。）

4.1 什么是「数字分身」——先讲清概念

1、定义：数字分身是承担你某项固定职责、7×24 小时运行的“数字员工”，它“像你”但不必是“克隆你”：它用你的知识库、你的语气、你的模板去干活，所以产出风格像你，但它不必有你的全部能力，只专注把那件重复事干好。

2、市面上的各类Agent的区别：

Chatbot 你问才答；

Copilot 给建议你执行；

普通 Agent 跑一次任务就结束；

数字分身 = 长期在岗 + 有你的知识与语气 + 能主动触发，是“固定在岗的专属员工”。

三种形态：

对话型（你问它答，但背后有你的知识库，答得专业）

工作流型（不用你问，到点自动跑流程）

长期记忆型（跨对话记住你，越用越懂你）。

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 + 知识库 + 工具）

1、怎么让 Agent“像你”：三件套。

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

知识库（上传你的资料/规范/历史文件，Agent 用 RAG 检索后回答，保证专业且贴合你司实际）；

工具（接入邮箱、表格、业务系统，让它能真去查、真去发）。

没有这三件套，它就是个通用聊天机器人。

2、人设怎么写才有用：避免“你是一个有帮助的助手”这种空话，要写“你是 XX 公司市场部周报助手，负责把每周数据按模板整理成周报，用语简洁、只输出结论和待办、不确定的数据标注‘待核实’”。越具体，产出越像你。

4.3 核心构件二：自动化工作流（让 Agent 按 SOP 干活）

1、工作流 = 可视化流水线，三大要素展开：

触发（何时启动：定时如每天 9 点 / 事件如收到邮件或表单提交 / 手动点击）；

节点（每一步做什么，可含条件分支“如果含‘投诉’就转主管”、循环“逐条处理”）；

输出（交付到哪：表格 / 邮件 / 群消息）。

两个真实案例拆解：

案例 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→按模板排版)→输出(推送到企微群)；

案例 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、先分清两种记忆：

短期上下文（一次对话内记得前面说了啥，对话结束就清空）

长期记忆（跨对话记住你的偏好、历史、纠正过的错误）。

这正是“数字分身”区别于“一次性 Agent”的关键——它能积累。

长期记忆怎么实现：靠两套库——

知识库（你主动上传的静态资料，如公司制度、你的模板）

记忆库 / 用户画像（系统自动记录的动态信息，如“该用户偏好结论先行”“上次说周报不要写过程只写结果”）。

长期记忆的三点价值：

人格一致（一直用你的语气）、

越用越准（记住你改过的意见不再犯）、

省去重复交代（不用每次重新背景 briefing）。

4.5 数字分身搭建六步法（把上面三构件串成可操作步骤）

1、六步走，现场就按这个流程搭：

选场景（挑一个高频、重复、规则明确的任务，别一上来选模糊的）

定人设/职责（写清角色、边界、语气）

喂知识库（上传相关资料，配 RAG）

配工具（接入需要的系统/接口）

设触发与记忆（选触发方式、开启长期记忆）

测试验收（跑一遍，检查产出对不对，不对就调人设/知识库）。

安全与边界（动手前必须讲）：

什么能给 Agent 做（信息整理、草稿、内部汇总）、什么必须人工（敏感决策、对外承诺、金额与合规）。

正确人机协同姿势 = 人定目标、Agent 执行、人验收。给学员一句口诀：“让 AI 跑腿，让人把关。”

实战 5｜搭建专属办公助手（对话型）

1、实战：在 Coze / workbuddy上，按“人设 + 知识库 + 工具”三件套，做出一个“懂你工作”的助手（如周报助手 / 客服话术助手 / 合同初审助手）。

2、练习：学员现场搭出自己的第一个助手，并当场问它一个问题验证“像不像你”。

实战 6｜搭建自动化工作流（工作流型 + 触发）

1、实战：按六步法，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）。

2、练习：跑通后截图留存。

【附录一：行业术语速查】

大模型 LLM：参数量巨大的神经网络模型，能理解和生成文字/代码/图像，是 Chatbot 和 Agent 的“大脑”。

生成式 AI：能创造新内容（文字/图/代码）的 AI，区别于只做预测分类的传统 AI。

Agent（智能体）：能自主理解目标、拆解任务、调用工具、执行并交付结果的 AI 系统，比 Chatbot 多了“手”和“行动力”。

Chatbot：只能一问一答的对话机器人，你问它才答。

Copilot（副驾）：在你工作时在旁辅助、给建议，但最终要你来执行。

Multi-Agent（多智能体）：多个各有专长的 Agent 协同完成复杂任务（如一个找资料、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，避免胡说，是企业知识问答的核心技术。

MCP（模型上下文协议）：Anthropic 开源的“AI 万能插头”，让 Agent 统一连接各种软件/数据库，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，让不同平台的 Agent 能协作，被誉为 AI 时代的 TCP/IP。

Tool Calling（工具调用）：Agent 调用外部软件/API 的能力（发邮件、查数据库、跑代码）。

Computer Use / CUA：Agent 像人一样看屏幕、点鼠标、敲键盘操作电脑，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），也是计费单位。

Fine-tuning（微调）：用专属数据训练模型，让它更懂你的业务。

知识库 / 向量库：把企业文档转成 AI 能快速检索的格式，是 Agent 的“记忆外挂”。

工作流 / 自动化：把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 小时替人干重复性工作。

具身智能（Embodiment）：有物理身体（机器人/自动驾驶）的 AI，能感知并作用于真实世界。

【附录二：主流 Agent 平台与工具清单（2026）】

零代码搭建：字节 Coze（国内、飞书互通，已升级 3.0 支持多智能体协作）

零代码搭建：腾讯workbuddy（微信/企微/腾讯文档互通）、百度文心智能体、阿里百炼（160+ 模型接入）

开源可私有化：Dify（企业数据可控、可本地部署）

国际平台：OpenAI ChatGPT Agent、Anthropic Claude（Computer Use / Cowork）、Google Gemini、Microsoft Copilot Studio

办公协同入口：钉钉（悟空）、飞书、企业微信、腾讯文档——多数已内嵌 Agent 能力

自动化工作流：Coze 工作流、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：涉及企业敏感数据，优先选支持私有化 / 专属部署的平台，切勿把机密喂给公网模型