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

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）

演讲提纲：

1. 业务背景与需求

• 传统的营销推广平台面临的问题
• 平台重构的需求
• 营销智能体诞生的契机

2. 营销智能体从 0 到 1 极速落地挑战

• 借鉴电影剧本编排思想设计智能体架构
• 基于 embedding+LLM 实现决策引擎（营销场景与意图识别）
• 基于规则引擎+ LLM 实现解析引擎

3. 营销智能体从 1 到 N 快速进化思路

• 升级多智能体架构：多智能体 SOP 集成与协同
• MOE 思想实现意图识别与分发
• 数据飞轮与自我进化

4.未来规划

听众收益：

• 了解 AI Agent 在商业营销落地中的技术方案与收益
• 开拓思路，如何将传统业务与 AI 结合，孵化智能体
• AI Agent 领域目前存在的挑战，以及对未来的展望

方案痛点：

• 引入大模型后的资源成本问题与耗时问题

AI Agent 在办公自动化领域，尤其是和机器人流程自动化（RPA）结合时会面临诸如 API 接口不可用、动作空间分布迁移等问题，因此需要在 agent 的设计和开发过程中更多考虑模型能力的迁移和多模态能力的引入。我们在整体架构设计和具体开发的过程中引入了大模型的定制训练和微调、多模态能力的整合等能力，意图解决上述实际应用中会面临的问题，而在此过程中数据收集、模型训练、框架搭建和交互设计等都有非常多而困难的工作，最终我们逐一解决了这些问题，最终将所开发的 AI Agent 整合到我们的 RPA 产品中，在多个用户的实际场景中取得了不错的效果。

演讲提纲：

1. AI Agent 在办公自动化场景落地的困难

2. 我们的 AI Agent 的整体框架设计思考

3. 开发过程中的一些具体问题点和我们的解决对策

4. 具体应用场景和案例

5. 后续可以持续研究的方向和思考

听众收益：

• 了解当前 AI Agent 在办公自动化领域的进展；
• 了解 AI Agent 和机器人流程自动化结合的具体案例和相关经验；
• 启发后续 AI Agent 与办公自动化领域结合的研究

方案痛点：

• 如何扩大 AI Agent 所能运用的场景和领域，尤其在面临国内软件开发框架的异质性
• 保证 AI Agent 的稳定性是一个严峻的问题，我们提出自己的思考和对策，也欢迎与会者与我们交流