《智能体启航：从问答助手到业务先锋的场景挖掘发现之旅》

《智能体启航：从问答助手到业务先锋的场景挖掘发现之旅》

主讲老师：黄光伟

【课程背景】

2026年智能体已成为企业跨越式提效的核心抓手，当前公司上下对智能体的概念认知尚未统一、业务部门对场景挖掘缺乏抓手，亟需通过系统性的认知普及与实战拆解，让研发与数字化团队掌握场景挖掘的方法论，将私域模型的能力真正转化为可落地的业务智能体。

【课程收益】

1. 受训学员将能够用统一的语言和框架向业务部门解释智能体价值，并将被动响应思维升级为目标驱动的智能体构建思维，为公司后续推进智能体落地提供精准的高质量场景清单。

【课程特色】

课程全程采用浅显易懂的结构化表达，将复杂的智能体架构拆解为易懂组件，确保技术与非技术人员同频共振，真正实现借老师之口统一公司AI语言体系。

【课程对象】

企业数字化部门人员、研发技术人员。

【课程时间】

1天/每天6小时

【课程大纲】

一、认知同频：跨越问答时代，读懂智能体

1. 什么是智能体：从“百科全书”到“实干家”

1）核心定义：具备感知环境、做出决策、调用工具执行能力的AI程序

2）进化历程：从大语言模型到自主智能体的跃迁逻辑

3）本质差异：问答机器人是“你问我答”，智能体是“你定目标我干活”

4）能力边界：明确现阶段智能体能做什么与不能做什么

5）认知对齐：统一公司内部对“智能体”的语言定义与沟通语境

2. 智能体的3大核心特征

1）自主性：无需人类每步干预的闭环执行能力

2）交互性：能与外部环境（API/工具）实时互动获取信息

3）进化性：通过反馈数据不断优化执行策略

4）目标导向：一切行动以完成用户设定的最终目标为终点

5）协作性：多智能体间可进行任务分工与配合

3. 千问私域模型下的智能体机遇

1）现状剖析：公司当前文字答疑功能的局限与痛点

2）演进方向：基于千问copaw平台升级智能体的天然优势

3）价值定位：让内部AI从“成本中心”走向“效能杠杆”

4）数据安全：私域模型保障智能体处理业务数据的合规性

5）落地愿景：2026年每个研发同学都有一个AI数字助手

二、场景寻宝：研发域智能体应用挖掘3步法

1. 第一步：痛点扫描与业务拆解

1）识别高频低效：寻找研发流程中重复耗时的人工环节

2）梳理业务SOP：将现有流程拆解为可标准化的动作节点

3）收集人工抱怨：从日常吐槽中提取真实的业务痛点

4）评估数据基础：确认该痛点是否有足够的内部数据支撑

5）绘制流程图：可视化展示当前业务运转的卡点

2. 第二步：智能体适配度评估——四大思路

1）判定规则性：任务是否有明确的判断标准和规则可循

2）判定输入输出：任务是否具有清晰的输入素材和预期输出物

3）判定容错空间：任务允许的误差范围是否包容AI的偶尔幻觉

4）判定交互需求：任务是否需要跨系统调用或频繁人机确认

5）综合打分：基于4大思路对场景进行可行性星级评分

3. 第三步：场景描述的标准化输出

1）定义角色：给智能体一个清晰的岗位身份（如代码审查员）

2）明确任务：用一句话说清智能体需要完成的核心工作

3）提供工具：列出智能体需要调用的内外部工具（如知识库、Git库）

4）设定指标：明确衡量智能体工作成效的量化标准

5）撰写场景卡片：形成公司统一的《智能体场景需求说明书》模板

4. 分组演练一：寻找我们身边的“数字员工”

1）形式：分组选择本部门真实研发流程，运用3步法输出1个高价值场景

2）推导过程：列举流程耗时（如日均2小时）->拆解动作（5个节点）->评估适配度（规则性强、容错高）->输出场景卡片

结论：每组产出1张标准化《智能体场景需求说明书》，统一场景描述语言

三、条件透视：智能体落地的前提与评估尺

1. 前提一：高质量的知识投喂

1）知识清洗：清理现有文档中的冗余和过期信息

2）结构化处理：将非结构化文档转化为FAQ或标准格式

3）权限分级：确保智能体读取的知识符合公司保密层级

4）更新机制：建立知识库动态更新的责任人与流程

案例：网易有道翻译智能体基于高质量语料实现作文批改落地

2. 前提二：清晰的规则与边界

1）制定Prompt规范：明确告知智能体必须做什么和绝不能做什么

2）设定拦截词：防止智能体输出偏离业务范畴的言论

3）异常处理规则：当智能体无法判断时的人工接管机制

4）边界确认：明确业务中哪些环节必须人工确认不可自动化

案例：携程TripGenie旅行助手设定清晰的行程规划边界与退改规则

3. 前提三：可调用的API工具链

1）工具盘点：梳理公司内部现有系统对外开放的API接口

2）接口封装：将复杂API转化为智能体能理解的自然语言描述

3）鉴权打通：解决智能体调用内部工具的账号验证问题

4）模拟调用：在测试环境验证工具链路的连通性

案例：钉钉AI助理调用审批、日程等API实现办公自动化

4. 分组演练二：我们的场景准备好了吗？

1）形式：针对实战一产出的场景，评估4大前提的具备程度

2）推导过程：知识完备度(占30%)+规则清晰度(占30%)+工具就绪度(占40%)=场景落地准备指数。例如：知识80分*30%+规则60分*30%+工具50分*40%=62分。

结论：低于70分的场景需优先补齐工具链短板，统一对齐落地前提标准

四、架构拆解：用五大组件画好智能体草图

1. 组件一：大脑（大模型基底）

1）基座选择：理解千问私域模型在架构中的核心推理作用

2）指令微调：如何用业务语言引导大模型的思考方向

3）上下文窗口：利用长文本能力为智能体提供充足背景

4）推理限制：认识大模型的算力消耗与响应速度平衡

5）备用方案：当私域模型能力不足时的通用大模型辅助策略

2. 组件二：记忆（短期与长期知识）

1）短期记忆：维持单次对话上下文的连贯性

2）长期记忆：通过向量数据库存储业务常识与用户偏好

3）记忆检索：让智能体在海量知识中秒级找到对应信息

4）遗忘机制：设计合理的记忆清洗规则防止信息干扰

5）记忆更新：如何让智能体记住新的业务规则并立即生效

3. 组件三：感知（输入与信息获取）

1）文本感知：理解用户的自然语言指令

2）文件感知：解析PDF、Word等非结构化文档内容

3）系统感知：接收来自内部业务系统的状态变更消息

4）网页感知：抓取内网特定页面的实时数据

5）数据清洗：将感知到的多源信息转化为模型可读的统一格式

4. 组件四：行动（工具调用与执行）

1）内部系统操作：调用API完成系统内的自动发版或建表

2）内容生成：自动撰写报告、邮件并推送

3）人工协同：在关键节点向指定人员发起审批或确认请求

4）执行反馈：将工具运行结果返回给大脑进行下一步推理

5）失败重试：设定工具调用异常时的备选行动路径

5. 组件五：规划（目标拆解策略）

1）任务分解：将复杂目标拆解为多个子任务的执行链路

2）执行顺序：确定子任务间的串行与并行关系

3）动态调整：根据行动反馈实时修正后续规划

4）反思优化：任务完成后总结经验并存储至长期记忆

案例：飞书智能伙伴如何规划并执行“安排一场跨部门会议”

6. 分组演练三：我的智能体长啥样？

1）形式：画出选定场景的智能体五大组件交互图

2）推导过程：输入感知信息->传入大脑+记忆检索->大脑规划子任务->调用行动工具->输出最终结果，标出数据流向

结论：形成具象的架构草图，统一技术部门与业务部门对智能体工作原理的认知

五、实战演练：从0到1输出你的首个智能体方案

1. 工具赋能：用国内免费工具快速验证场景

1）工具选择：通义千问、扣子、Kimi等免费平台的定位与区别

2）扣子实操：零代码搭建一个基础智能体的流程介绍

3）知识库挂载：将公司现有文档上传至工具的快捷方法

4）插件调用：使用内置插件模拟调用外部工具的验证方式

5）效果评测：设计5个测试问题验证智能体是否达到预期

2. 方案呈现：智能体项目立项路演SOP

1）痛点共鸣：用1分钟讲清楚现状之痛与效率损耗

2）方案展示：展示智能体架构草图与预期工作流

3）价值量化：测算智能体上线后可节省的工时或提升的转化率

4）需求清单：明确数字化部门需提供的API与算力支持

5）风险预案：说明可能的数据安全风险与人工兜底策略

3. 持续迭代：智能体上线的执行技巧

1）灰度发布：先在小组内试运行再全面推广的技巧

2）坏案分析：收集智能体回答错误的案例并优化Prompt

3）效能追踪：建立智能体使用频次与人工接管率的数据看板

4）激励机制：鼓励更多部门发现场景并贡献私有知识

5）闭环管理：从场景挖掘到效果评估的全生命周期维护

4. 分组演练四：让智能体方案说话

1）形式：进行5分钟方案路演

2）推导过程：假设场景原人工耗时为每月X小时，智能体替代率预估为Y%，则每月节省工时=X*Y%。例如：代码审查月耗时200小时，智能体自动审查率40%，每月节省80小时

结论：评选出最具落地价值的场景