当前，大模型的能力正在日益变得强大，不管在文本的理解生成和推理方面都取得了一定的突破，但是它只是解决了单点的问题，并没有解决业务实操流程过程中的问题。AI Agent 的出现，给大模型安上了“手”和“脚”，让它具备了 thinkexecuterethink 等闭环能力，成为知识和场景的连接器。企业的经营分析是一个长链路的日常工作，从数据的加工、呈现、洞察到预测需要背后一系列的工具和能力去支撑，AI Agent 在里面可以扮演一个“流程自动化”的智能体，更多地在提效层面发挥作用，使原本能力一般的人得到极大提高，虽然无法替代经验丰富的专业人士，但至少可以提升为中等水平，很大程度的提升工作效率。本次演讲我们将从实践当中分享一些经验，包括框架构建、规划器设计、模型 PE 和微调以及交互等。

演讲提纲：

1. 企业经营分析的背景和痛点

• 企业传统数据分析的痛点 
• 用户洞察数据的难度等级分析

2. Agent 架构设计

• 企业分析 Agent 整体框架设计
• 如何使用工程化的“确定性”解决大模型的“不确定性”
• 如何解决语言和数据理解之间的 Gap 和实践
• 如何实现 Agent 工具池的扩展
• 如何针对性构建评测集和微调集

3. 总结和展望

• 当前还存在的挑战
• 未来场景外延

听众收益：

• 了解 Agent 在企业分析当中的落地实践，帮助企业构建会话式数据分析工具
• 了解 Agent 技术的未来发展趋势