今年Agent很火爆,有個朋友的公司也想開發一個給自己企業用的Agent,問我哪個開發平臺比較好。
我回想了一下,有個最大的感覺就是,很多智能體開發平臺做出的智能體還是偏娛樂的,甚至像個玩具,真正能提高生產效率的企業級智能體很少。
對于企業級智能體來說,首要的要求就是回答準確、沒有幻覺,因為出錯的話對企業影響很大,所以在對企業知識庫文檔做解析的時候,準確性、完整性非常重要。它還得能應對復雜的業務流程,工作流必須得靈活。大家用起來要方便,能嵌入到企業內部的溝通系統當中,如果再安裝新的App就太麻煩了。
我就又考察了一番各個平臺,用幾個典型的Agent做了測試,給朋友做了推薦:如果是想做企業級、復雜業務場景的智能體開發,建議選擇騰訊云智能體開發平臺,為啥要推薦騰訊呢,我們看看這三個Agent就知道了。
0 1
和企業微信緊密集成
每個公司的HR可能都會有這樣的煩惱:員工對公司的相關政策不是很清楚,需要打電話或者通過微信來詢問,相同的問題需要反復回答。
這時候如果有個類似HR小助手的Agent,就能極大地提升HR的服務能力。
HR小助手開發起來并不難,例如在騰訊云智能體開發平臺上,就可以通過輸入提示詞,導入各種HR相關的文檔到知識庫就可以了。
![]()
![]()
但是在騰訊云智能體開發平臺上,我們可以把這個HR小助手和企業微信進行集成,讓員工在微信中直接和這個小助手進行對話,這個能力在別的智能體開發平臺上是看不到的。
集成的過程也非常簡單,先登錄到企業微信后臺,創建一個“智能機器人”,并切換為【API模式創建】。
![]()
![]()
打開智能體開發平臺,點擊應用發布-發布渠道,選擇企微智能機器人,填寫相關信息后點擊創建:
![]()
將創建后的url、token和key復制,粘貼到智能機器人的配置頁,點擊【創建】即可。
![]()
接下來就可以在企業微信中開心地@HR小助手使用了,可以1對1對話,也可以拉入群中進行對話,過程非常絲滑。
![]()
![]()
企業微信對很多公司來說是個非常常用的工具,騰訊云的智能體可以輕松地集成到其中,用戶無需在工作中切換工具,就能使用各種智能體,確實非常方便。
所以企業相關的智能體,還是非常適合用騰訊云智能體開發平臺來開發的。
0 2
強大的知識庫
很多公司經過一段時間的運營后,都會沉淀出各種各樣的文檔,這些文檔種類多樣,格式不一,非常復雜,知識分散在其中,不好利用。
比如有個家電企業的客服部門,它的各種家電維修,保養,故障等信息文檔包含PDF,Word,Excel等各種格式,甚至有復雜的超大型文檔(圖文混排,跨頁表格等)。
這個客服部門想建立一個家電維修小助手的Agent,當用戶家中的電器(如冰箱、洗衣機、空調)出現問題,可以獲得自助診斷服務。
![]()
這時候,一個強大知識庫就成了重中之重,非常考驗智能體開發平臺對文檔的處理能力。
扣子在創建知識庫的時候,需要按照文檔的類型(文本、表格,照片)來進行分類,創建不同的知識庫:
![]()
然后還得把這些不同的知識庫和智能體進行關聯:
![]()
說實話,這么做是有點兒麻煩的。
騰訊云智能體開發平臺則不同,在智能開發的界面中就有一個知識管理,直接把文件拖拽上傳就可以了,不管是文檔,表格,圖片..... 通通支持,非常方便。
![]()
不止是導入文檔方便,騰訊云智能體開發平臺對知識庫的文檔處理上,肯定是下了大功夫。
我在開發這個家電維修小助手的時候,上傳了一個洗衣機的說明書,這是一個PDF文件,內容是圖文混排的,像這樣:
![]()
把這個文檔上傳到騰訊云智能體開發平臺的知識庫以后,我也沒做任何處理,直接問智能體:兩臺洗衣機共用水龍頭怎么接?
讓我驚奇的是,騰訊云智能體開發平臺的智能體不但精確地找到了相關文本,還找到了相關圖片:
![]()
我在扣子上也做了一個類似的智能體,上傳了同樣的文檔,問了同樣的問題,扣子也找到了相關的內容,但是卻沒有圖片輸出:
![]()
騰訊云智能體開發平臺不但支持文搜圖,還能支持圖搜圖的功能,這在別的平臺是看不到的。
![]()
![]()
除此之外,騰訊云智能體開發平臺的知識庫還在上萬行、上百列的超大表格,在單表查詢與統計、多表匹配查詢、多表匹配統計等結構化數據處理能力領先,可以說是非常強大,我這里就不再一一展示了。
0 3
輕松應對復雜的業務流程
不少公司除了知識庫復雜以外,內部的流程也比較復雜,智能體開發平臺也必須能靈活地實現這些需求。
例如前面所說的家電維修助手,除了自助診斷以外,還需要給用戶提供預約上門的服務,需要實現一個“家電維修流程”,和用戶交互,收集用戶的聯系方式、地址等信息。
這時候對智能體開發平臺的要求就是,要實現智能的交互,用戶在流程的中間想改個信息,別讓流程再從頭兒來一遍,否則用戶體驗就太差了。
我在多個平臺也嘗試了工作流,發現騰訊智能體開發平臺在這方面有兩個非常突出的優勢:
1. 工作流和對話流合二為一
我在開發這個“維修家電”工作流的時候,發現騰訊智能體開發平臺有個非常有意思的節點叫做“參數提取”:
![]()
它有意思的地方在于我只需要告訴節點我的意圖:收集用戶手機號和家庭住址。
![]()
當工作流執行到這個節點的時候,它就會停下來,用大模型自動和用戶展開對話,把用戶手機號和家庭住址拿到。
![]()
這個功能真是太好了,一般的工作流它就是一個自動執行的流程,里邊的任務都是程序化自動執行的,是不會在途中停下來和用戶對話的。
對話的過程被叫做對話流,很多平臺的工作流和對話流是分離的,比如扣子平臺就需要分別創建:
![]()
阿里云百煉也是分開的:
![]()
但是騰訊云智能體開發平臺把工作流和對話流合二為一了,這樣的工作流就更加智能,既能自動化執行任務,又可以停下來和用戶交互,極大地方便了用戶和Agent開發者。
2.智能的節點回退
這個是騰訊云智能體開發平臺獨創的功能,非常好用。
例如下面的流程,已經走到了最后一步:服務評價。用戶突然發現手機號碼寫錯了,要修改手機號碼。
![]()
騰訊云智能體能自動找到之前的和電話號碼相關的節點,回退到那里進行修改。
![]()
由于無需像傳統機器人一樣重新跑一遍流程,可實現更類人的智能交互,用戶體驗就非常好了。
![]()
0 4
智能的多Agent協同
HR小助手和家電維修助手任務相對單一,一個Agent就可以搞定,隨著場景越來越復雜,就需要多個Agent配合來完成工作了。
比如保險公司想實現智能理賠,協助客戶完成從報案到賠付的全過程,就需要涉及到事故報案、材料審核、賠付計算、賠付進度跟蹤等多方面的業務流程,需要多個Agent來協作才能完成整個流程。
再比如車企可以做一個智能購車顧問,通過通過推薦-融資-試駕這三個關鍵節點聯動,大幅提升購車轉化率,這個購車顧問也是Multi-Agent架構:
主Agent:智能購車顧問
模擬真實銷售顧問,為用戶推薦并促成購車決策
子Agent:
1.車型推薦Agent
根據預算、用途、品牌偏好,通過搜索插件搜索車型信息,推薦合適車型
2.金融方案Agent
提供貸款/分期/定制化計算方案
3.預約試駕Agent
根據用戶位置,預約時間,通過搜索插件搜索4S店信息展示給用戶。
很明顯,當用戶問到不同領域問題的時候,需要把用戶“轉交”到不同的Agent來進行處理。
怎么處理呢?
一種方法就是采用類似工作流編排的方式:把各個Agent當做工作流的節點,然后安排好前后次序,跳轉條件進行協作,比如扣子平臺就是這么做的:
![]()
這種方式看起來比較直觀,但是這樣其實很麻煩,因為無法預料用戶的行為,用戶在使用的時候很可能“不會按常理出牌”,他們的問題是跳躍的,一會兒需要金融方案Agent處理,一會兒需要車型推薦Agent來處理,尤其是當Agent很多的時候,手工建立他們之間的關聯是比較困難的。
騰訊云智能體開發平臺這一點就做得很好,他們首創了零代碼多Agent轉交協同方式,只需要用自然語言描述好各個Agent的功能,大模型就可以自動協同不同的Agent來完成用戶的要求。
![]()
比如我表達了買車的需求,主Agent 智能購車顧問先收到請求,然后自動轉交給車型推薦Agent。
![]()
當我想貸款買車的時候,“金融方案Agent”開始接管了。
![]()
接下來我想約個試駕,“預約試駕Agent”自動介入了。
![]()
再次需要提醒大家的是,我并沒有通過工作流等方式手工指定Agent之間的轉交關系,完全是靠大模型理解對話中的信息,然后自動轉交的。
0 5
總結
通過上面的三個案例,相信大家已經感受到騰訊云智能體開發平臺的強大之處和智能之處,這里再稍微總結一下:
1. 可以和企業微信集成,方便員工來使用智能體。
2. 工作流和對話流合二為一,還可以智能地回退。
3. 知識庫就“內置”在智能體中,可以一鍵上傳各種各樣的文檔,表格,圖片,在后臺它會智能處理圖文混排,跨頁表,大型表格,在知識庫檢索時,不但能找到文字,還能輸出圖片,支持文搜圖,圖搜圖。
4. 對于Multi-Agent,騰訊云智能體更是充分利用了大模型的能力,無需工作流編排和代碼,實現了零代碼的協同轉交能力。
總之,如果你有企業級的、嚴肅的智能體開發需求,強烈建議你嘗試一下騰訊云智能體開發平臺,肯定不會讓你失望的。
特別聲明:以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布,本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.