内容大纲：

1. 问题背景：AI+Data，在大语言模型的加持下，如何对已有的大数据生产链路进行改造，整合已有的数据资源与工具资源，构建业务专属的大数据 Agent。

2. 方案选型：摸着 OpenAI 的石头过河，基于 Assistant API 的结构，设计 to B 的大数据智能体平台 LangData，能够令用户在上面自主设计 Agent。

3. 技术细节介绍：Function Call Agent 设计与模型训练、Prompt 设计，工具的设计、多轮对话交互、知识库设计与 RAG

4. 踩坑经验：从用 LangChain 到全面去 Langchain 化，应用发布和 Prompt 管理，如何对 Agent 做测试

5. 实施效果：已落地 6 个业务，涵盖金融，广告，支付等场景

听众收益：

• To B 视角智能体的含义与构建过程
• Agent 平台需要避免的坑
• 如何平衡大模型生成过程中的幻觉，与 P95 的可执行要求

方案痛点：

• 用户把大模型当许愿机，与大模型自己的局限性
• 大模型性能问题（不是所有场景都能用 GPT4）