本次分享将介绍飞猪在广告投放场景中建设多 Agent 系统的实践，并以某酒店集团会员增长项目作为落地案例。我们面对的问题不是缺少某个投放工具，而是投放链路被拆散在不同角色和平台中：人群分析、策略制定、素材准备、渠道执行、预算控制、效果回流往往各自为战，阿里妈妈、灯火、小红书、巨量引擎、广点通等投放平台又极度依赖渠道投放经验，整体难以形成稳定闭环。

围绕这个问题，飞猪沉淀了一套端到端的多 Agent 投放系统：把目标理解、人群圈选、策略生成、素材生产、渠道执行、效果复盘等环节拆成相对独立的能力单元，再通过统一的任务 Loop 组织协作。系统既能处理确定流程，也能在真实业务中根据反馈调整下一步动作；同时通过沙箱、权限、日志和评估机制，保证 Agent 在真实投放链路中可控、可追踪、可复盘。

分享还会重点讨论人在系统中的位置。Agent 投放不是让人退出投放，而是把人从重复操作中解放出来，让人更多负责目标设定、策略判断、关键审批、风险控制和跨团队协同。Agent 负责高频执行、过程记录和持续优化，人与 Agent 共同完成从“投出去”到“投得准”的闭环。

演讲提纲

1. 为什么广告投放需要多 Agent 系统 

• 传统投放中的渠道割裂、人工复盘滞后、归因分散 
• 平台视角下的端到端闭环：人群、素材、渠道、预算、回流统一管理 
• 某酒店集团会员增长案例中的落地背景和业务挑战

2. 飞猪多 Agent 投放系统如何设计 

• 将投放链路拆成目标理解、人群、策略、素材、执行、回流等能力单元 
• 通过任务 Loop 串联观察、决策、执行和反馈 
• 用沙箱、权限和观测机制控制真实投放中的风险 
• 从固定流程走向可控的动态协作

3. 企业级落地中遇到的问题 

• 多 Agent 分工不清带来的调度混乱 
• 跨渠道数据回流、归因粒度和隐私限制 
• 预算、配置、投放动作等副作用风险 
• 如何通过实验和评估判断投放效果

4. 人在多 Agent 系统中的新角色 

• 从手动操作转向目标定义和约束设定 
• 从月底复盘转向持续观察和及时干预 
• 从个人经验转向可复用的系统能力 
• 人负责方向和边界，Agent 负责执行和循环

实践痛点

多 Agent 系统落地最大的痛点不是“让 Agent 动起来”，而是让它在真实业务链路中可控地动起来。投放场景里既有策略判断，也有预算、素材、渠道配置等真实副作用，不能简单追求全自动。

实践中首先会遇到 Agent 分工边界的问题：拆得太细，调度和上下文传递成本会上升；拆得太粗，又容易变成一个大模型包打天下，难以治理。其次，从固定编排走向目标驱动 Loop 后，系统具备了更强的动态决策能力，但也带来不确定性，需要通过沙箱、权限、停止条件、日志追踪和人工确认来控制风险。再者，投放效果本身存在归因延迟、跨渠道数据不完整、隐私边界等问题，Agent 的判断不能只看单次输出，而要放到实验、评估和持续回流中验证。

所以这里的 tradeoff 是：自治程度越高，风险治理要求越高；控制越严格，执行效率又会被拉低。我们的实践重点是在“可用”和“可控”之间找到工程平衡。

演讲亮点

• 从固定编排走向可控 Loop，而不是停留在流程自动化。不是把传统投放流程简单串成几个 Agent，而是在真实投放链路里引入“观察、判断、行动、反馈”的任务 Loop，让系统能根据执行结果调整下一步动作。同时通过沙箱、权限、停止条件和可观测机制，把动态决策限制在可治理范围内。
• 把多 Agent 拆解建立在业务能力边界上，而不是模型角色命名上。系统中的 Agent 不是简单按“分析师、文案、运营”这类拟人角色划分，而是围绕目标理解、人群、策略、素材、执行、回流等稳定能力单元设计。这样更容易接入真实工具、沉淀复用能力，也更适合后续做评估、权限控制和问题定位。
• 强调人机协作中的责任边界。不是把目标设成“让 Agent 替代运营”，而是让 Agent 承担高频执行、过程记录和反馈整理，人负责目标、约束、审批和风险判断。

听众收益

• 理解企业级多 Agent 系统为什么要从业务闭环出发，而不是从技术框架出发 
• 学习端到端投放 Agent 的系统拆解方式和工程组织方法 
• 了解 Loop、沙箱、权限、观测、评估在真实 Agent 落地中的作用 
• 获得一套可迁移到营销、增长、运营等复杂业务场景的多 Agent 建设思路