文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
文章圖片
中年IT男的AI焦慮深更半夜 ， 老譚躺在床上輾轉反側睡不著 ， 人到中年心事多 ， 今年心事尤其多 。
譚江今年36 ， 是某大型IT硬件廠商的渠道技術支持部主管 。
他每天要干的事兒 ， 是給渠道培訓、做技術支持、解答渠道各種產品問題：故障排查、產品配置、功能咨詢、備件流轉等 。
一干就是10年 ， 從客服小兵干到技術主管 ， “小譚”變“老譚” 。
過去幾年 ， 老譚順風順水 ， 公司業績很穩 ， 渠道隊伍也不斷壯大 ， 老譚覺得自己很吃得開 。
渠道都很認老譚 ， 公司也把他當寶 。
但最近 ， 老譚心里開始有點慌了——
大模型發展勢頭有點猛 ， 各種智能體開始滿天飛 ， 天天聽到有大公司因為AI裁員的消息 。
當然 ， 更大的壓力來自內部 ， 老板大會小會上各種敲打：全員學AI！
老譚快被老板給敲麻了…
如果AI真能解決大多數標準化問題 ， 那自己這幫技術支持團隊 ， 還能剩下什么價值？
老譚的AI“邪修”路老譚開始琢磨自己的出路↓
不會寫代碼 ， 但懂業務、懂產品知識、懂渠道需求 ， 也大致了解AI的能力邊界 。
怎么把AI用到實際工作中？而不是等著AI把自己淘汰？
思前想后 ， 老譚覺得就從自己最熟悉的工作入手 ， 也鼓搗個「渠道技服智能體」 。
不光能把自己部門的一些重復性、基礎性的咨詢搞定 ， 還能7×24小時提供服務 ， 緩解一下部門人手不足的現狀 。
于是 ， 老譚開始四處找方案 ， 搞實驗 。
看看是不是真有傳說中那種「零基礎、無代碼 ， 一鍵開發智能體」的方案 。
一圈試下來 ， 老譚發現 ， 市面上智能體開發平臺很多 ， 但大部分都是搞通用智能體的 ， 不擅長應對復雜的企業級場景和需求 。
比如 ， 掛上知識庫不好使 ， 復雜的工作流也跑不通 ， 更不用說當下最熱門的多智能體協作了 。
在老譚看來 ， 這種高階的企業級智能體 ， 得找專業開發團隊定制 。
一籌莫展之際 ， 老譚猛然發現 ， 騰訊云新發布了一個「智能體開發平臺」 ， 據說是專門針對企業級復雜場景 。
老譚是騰訊元寶的重度用戶 ， 也體驗過開發通用智能體的騰訊元器 ， 覺得都不錯 ， 現在這個新平臺 ， 讓老譚瞬間看到了一絲希望 。
于是 ， 老譚趕緊登錄平臺 ， 立馬開試 。
這一試不要緊 ， 他發現自己打開了新世界——
騰訊云智能體開發平臺如何征服企業級用戶這個「騰訊云智能體開發平臺」 ， 主打大模型應用定制 ， 面向企業級場景 。
從底層云智算基礎設施到熱門模型、原子能力 ， 再到智能體開發、應用場景 ， 功能相當齊全 。
像老譚這樣的企業運營人員 ， 即便沒有代碼基礎 ， 也能快速上手 。
基于應用范式快速配置大模型應用 ， 簡單修改配置項后即可發布 。
這其中 ， 最讓老譚嘖嘖佩服的 ， 是平臺提供了RAG型、Workflow型、多Agent協作型三大類開發框架 。
每種開發路徑都細節滿滿 ， 而這 ， 才是企業級智能體開發與通用智能體開發的最大差異 。
一、如何搞定知易行難的RAG？RAG這東西 ， 一說人人都知道 ， 一搞人人都喊難 。
企業級場景下 ， 有很多私有數據、專業知識 ， 通用大模型在預訓練甚至后訓練的時候 ， 都學不到 。
此時 ， 用RAG知識庫的方式 ， 給大模型提供一份外掛 ， 就好比是一份小抄 。
這樣 ， 就能讓大模型迅速與企業專有場景結合 。
通用知識題會做 ， 專業情景題也會答 。
但是 ， RAG這個看起來很簡單的技術 ， 實際落地卻非常難 。
小抄人人會做 ， 但是能覆蓋所有知識點 ， 而且還臨場發揮考100分 ， 就太難了 。
四大落地難點讓老司機都望而卻步↓
RAG落地難題①
企業知識格式多樣、排版復雜、圖文并茂 ， 還包含各種形態的表格、子元素 ， 機器很難快速抓住精髓 ， 而且傳統OCR技術識別精度低 ， 元素易丟失 。
老譚深有感觸 ， 公司那些產品文檔 ， 五花八門的 ， 自己肉眼看都費勁 ， 機器就更難處理了 。
鵝廠怎么破呢？
騰訊云智能體開發平臺提供全鏈路的企業多模態知識處理解決方案 ， 涵蓋復雜文檔解析、切分、檢索、推理、生成 。
在多模態知識導入和解析環節 ， 鵝廠拿出來了專業的OCR大模型解析引擎 。
覆蓋復雜版面分析、元素子圖識別 ， 準確還原閱讀順序 ， 識別準確率提升30%！
同時 ， 鵝廠還有業界首個語義切分大模型 。
相比傳統的正則切分方式 ， 語義切分有助于更好的還原文檔含義 ， 顯著提升回答完整性 。
RAG落地難題②
企業知識庫中大量結構化表格 ， 數據龐大 ， 檢索困難 ， 更有非標表格惹人煩 。
你以為光是非結構化的多模態文檔難入庫？
其實 ， 企業里大量存在數據庫、電子表格里的知識 ， 也很棘手 。 因為這些結構化的表格 ， 動不動就數萬行、上百列 ， 讓人吃不消 。
比如 ， 老譚手里這份超過10萬行的產品價格表 ， 就是大難題 。
此時 ， 鵝廠又拿出了一個利器↓
基于LLM的embedding模型 ， 可以輕松對付這種大表格 ， 同時支持Text2SQL能力 ， 處理標準大表單表及跨表檢索 。
企業中還有些“變態”的表格——
雖然樣子是表格 ， 但其實是變形的、嵌套的非標準表 ， 沒法用Text2SQL精確檢索 。
怎么對付呢？
遇到無法使用Text2SQL的不規則大表 ， 鵝廠綜合使用表格摘要檢索、關鍵詞檢索、向量檢索 ， 三板斧齊下 ， 提升問答準確率 。
RAG落地難題③
用戶對話信息多模態 ， 包含圖文交錯等復雜信息輸入 。 而召回時 ， 知識庫中對應的文檔同樣圖文交錯 。
在這個環節 ， 用戶提問往往不按套路出牌 ， 動不動圖文混排、粘貼拷貝 ， 一股腦的塞進來 ， 分分鐘把模型問暈 。
同時 ， 知識庫的文檔也是圖文混排 ， 難以組織出有條理的答案 。
我鵝超聰明 ， 多模態理解一流 。
能夠精準理解對話中的圖文關系 ， 并能精準組織出圖文并茂的答案 。
RAG落地難題④
嚴肅場景 ， 對模型判斷模糊知識、無關知識的能力要求高 。
企業場景都是嚴肅場景 ， 回答要精準、明確 。 但在實際執行RAG時 ， 可能無法在知識庫中找到精準答案 。
比如用戶問題很模糊 ， 檢索的時候 ， 找到多個相近答案 ， 但無法確定具體哪個更匹配 。
此時 ， 鵝廠會根據上下文語境 ， 結合檢索結果綜合判斷 。
并可以進行追問澄清 ， 了解用戶的明確意圖 。
對于無法檢索到有效答案的問題 ， 給出拒答回復 。
絕不自己加戲 ， 從而避免用檢索到的無關數據對用戶產生誤導 。
同時 ， 鵝廠還提供領先的知識管理能力 ， 比如問答對自動生成與校對 ， 文檔對比與對比后決策 。
總之 ， 依靠這一系列“鵝操作” ， RAG落地的難題終于有解啦 。
二、如何搞定曲折復雜的企業工作流？利用RAG功能 ， 老譚完成了技術咨詢問答智能體的搭建 。
【一個中年人的AI邪修…】接下來 ， 老譚想要更上層樓 ， 開發一個維修工單流轉的工作流智能體 ， 又遇到不少難題 。
工作流落地難題①
復雜業務場景 ， 涉及流程分支和業務接口多 ， 僅依賴模型自主規劃準確率不高
雖然現在深度思考模型很厲害 ， 具備強大的自主規劃能力 。
但很多企業級的復雜場景 ， 涉及眾多流程分支和接口 ， 大模型靠自主規劃 ， 很難跑明白 。
面對這樣的復雜業務流程 ， 鵝廠提供可視化拖拉拽編排能力 ， 零代碼構建工作流 。
編排平臺具備10+畫布節點 ， 靈活調用大模型、知識庫、插件、工具、代碼、子工作流 ， 輕松完成復雜流程創建 。
工作流落地難題②
對話與流程耦合 ， 工作流節點難以靈活跳轉 。
有些高難場景 ， 比如對話與流程耦合 ， 工作流需要回退操作 ， 這流程就走到死胡同了 。
鵝廠通過內置全局視野Agent ， 負責接管對話 ， 識別全局意圖、靈活跳轉（包括回退） 。
不止如此 ， 鵝廠還提供了PDL流程描述語言 。
遇到超級復雜的工作流 ， 可以把畫布轉換成PDL ， 通過Agent理解全局流程 ， 更加靈活地處理“超綱”工作流 。
三、如何搞定全員互卷的多Agent協作？在用工作流搞定維修工單流轉智能體后 ， 老譚徹底飄了 。
他決定干個大活 ， 玩玩多智能體協作 ， 把一線支持崗、二線支持崗、維修工單崗、滿意度回訪崗組團一起扛活 。
聽起來很復雜吧？
但用了騰訊云Multi-Agent開發框架 ， 一切都變簡單 。
零代碼創建多Agent
全面兼容OpenAI Agents SDK 產品定義 ， 支持零代碼創建 Multi-Agent 。
整個過程只需三步①創建Agent→②添加多Agent→③配置轉交關系↓
在添加多Agent小伙伴的時候 ， 既可以選官方預置的各種基礎功能Agent ， 也可以直接新建自己的專用Agent ， 再添加↓
想不到吧 ， 一個組團干活的Agent小隊 ， 瞬間就搞定了 。
豐富的MCP插件
提供豐富的精選MCP插件 ， 并支持自定義MCP插件 。
像老譚這種履歷 ， 可沒本事開發各種各樣的功能模塊 。
沒關系 ， 平臺預置了豐富的鵝廠內外部插件 ， 兼容MCP ， 開箱即用 。
另外 ， 鵝廠還特別貼心 ， 把自己的專業RAG能力“封裝”成一個知識庫檢索智能體 ， 作為“Agentic雇傭兵” ， 來支持復雜問題回復 。
四、如何搞定智能體的權限管理？老譚深知 ， 搞定各種形態的智能體功能還不夠 ， 在企業級場景 ， 智能體的安全、權限管理非常重要 。
而安全方面 ， 恰恰也是騰訊云智能體開發平臺的特色↓
鵝廠支持平臺級、平臺級、知識庫級多層權限體系管理 ， 可以與企業的組織架構、崗位角色打通 ， 也可以設置黑白名單 。
中年IT男 ， 踏上AI快車道經過一周琢磨和嘗試 ， 老譚開發的系列智能體上線了！
他嘗試著分享給部門同事和幾個熟悉的渠道伙伴 ， 以及自己的老板 。
結果 ， 得到一致好評 。
老板剛參加WAIC2025回來 ， 看罷老譚的成果大受震撼 ， 立即在各部門推廣 ， 還給老譚部門批了一大筆用云預算 。
接下來的日子 ， 老李徹底沉迷了 。
儼然成了AI開發小能手 ， 不光教同事們應用智能體 ， 還讓自家的娃上了AI開發興趣班——
學習用「騰訊元器」開發通用智能體 。
元器用起來就更6了 ， 海量模板 ， 一鍵做同款 。
還能充分利用騰訊生態 ， 有微信公眾號、騰訊文檔、微信支付MCP的加持 。
短短一個月 ， 老譚就完成了蛻變 ， 從「AI焦慮癥」患者 ， 變成了「AI依賴癥」患者 ， 并且成功“傳染”給了身邊的每個人 。
這次經歷 ， 也讓他深深意識到——
AI時代 ， 中年人才是最有核心優勢的一群人 ， 他們可以憑借豐富經驗、業務沉淀 ， 更好的駕馭AI ， 讓自己變得更加不可替代！
推薦閱讀
- 又一家要做游戲手機，但是不是手機品牌，而是一個掌機品牌
- P圖手殘黨有救了,豆包·圖像編輯模型3.0,一個對話框搞定增刪改替
- WAIC 2025大黑馬，一個「謝耳朵AI」如何用分子式超越Grok-4
- 跑分超400W！這些即將登場的新機，一個比一個猛
- 黃仁勛，向中國再賣H20芯片，背后藏著美國一個“大陰謀”
- 華為研發再突破，萬億投入見成效，又創下一個“全球第一”
- 辛頓、閆俊杰WAIC完整演講：一個預警，一個擁抱
- 我們在WAIC碰到阿里副總裁，他說最多的一個詞是：Agent
- 適合普通人的華為手機！1.8米耐摔+6100mAh+衛星信息，跌至1609元
- 配備10000mAh電池的超薄手機是可能的，但也許不是一個好主意