Agent 除了聊天，還能如何在投標(biāo)、BI、用研與運(yùn)維中“干重活”？

編輯 | 李忠良

Agent（智能體）的熱度已經(jīng)持續(xù)了一年，但行業(yè)的聚光燈往往打在酷炫的 Demo 上。真實(shí)的業(yè)務(wù)落地，面臨的是完全不同的挑戰(zhàn)：

• 數(shù)據(jù)太亂：面對幾百頁的非結(jié)構(gòu)化標(biāo)書，AI 怎么提取關(guān)鍵信息？

• 窗口太小：面對數(shù)月的用戶行為日志，大模型怎么讀得完？

• 風(fēng)險(xiǎn)太高：在生產(chǎn)環(huán)境，怎么敢讓 AI 自動(dòng)執(zhí)行修復(fù)命令？

為了解答這些“深水區(qū)”難題，在12月19 日 -20 日AICon 全球人工智能開發(fā)與應(yīng)用大會(huì)（北京站）上，我們特別策劃了 Data+AI / Agent 落地實(shí)踐 專題。

本專題特邀商湯科技大裝置事業(yè)群 CTO 宣善明擔(dān)任出品人。他以其深厚的技術(shù)視野，與我們共同籌備了這一論壇，對議題進(jìn)行了層層甄選與嚴(yán)苛的質(zhì)量品控。我們的目標(biāo)只有一個(gè)：剔除一切虛無縹緲的概念，保證聽眾獲得“確定性收益”。

在宣總的把關(guān)下，本次論壇不談概念，只看架構(gòu)。我們鎖定了來自商湯、騰訊、火山引擎、阿里云的四位負(fù)責(zé)人，他們將在此打開自己的“工具箱”，分享解決上述具體工程難題時(shí)的技術(shù)選型與避坑經(jīng)驗(yàn)。

1 商湯科技：如何讓 Agent 寫出可交付的投標(biāo)方案？

業(yè)務(wù)痛點(diǎn)

讓 AI 寫詩容易，但讓它寫項(xiàng)目投標(biāo)方案很難。因?yàn)檫@需要 AI 理解復(fù)雜的產(chǎn)品說明書，從雜亂數(shù)據(jù)中提取信息，還要計(jì)算定制化成本——邏輯稍有斷裂，方案就是廢紙。

嘉賓解法

商湯大裝置研發(fā)總監(jiān) 王志宏 將分享一種 全鏈路協(xié)作 的 Agent 設(shè)計(jì)。

• 架構(gòu)核心：不僅僅是生成，而是構(gòu)建了任務(wù)規(guī)劃—數(shù)據(jù)檢索—數(shù)據(jù)分析—生成—審校的完整流水線。

• 關(guān)鍵技術(shù)：

1. 自我審校機(jī)制：針對生成內(nèi)容不準(zhǔn)確的問題，他在架構(gòu)中引入了 Review 環(huán)節(jié)，讓 Agent 自行檢查邏輯連貫性與數(shù)據(jù)準(zhǔn)確性。

2. 異構(gòu)數(shù)據(jù)處理：重點(diǎn)解決如何從格式雜亂的數(shù)據(jù)中提取關(guān)鍵信息，并實(shí)現(xiàn)產(chǎn)品功能與客戶需求的精準(zhǔn)匹配。

3. 成本計(jì)算：讓 Agent 具備評(píng)估定制化開發(fā)成本的能力，使輸出的方案具備工程可交付性。

2 騰訊：BI 的未來，是表格操作與智能體的融合

業(yè)務(wù)痛點(diǎn)

AI 分析工具往往要求用戶通過對話（Chat）交互，但專業(yè)數(shù)據(jù)分析師更習(xí)慣表格。且面對復(fù)雜任務(wù)，單一 Agent 容易顧此失彼，響應(yīng)速度也難以保證。

嘉賓解法

騰訊大數(shù)據(jù)算法工程負(fù)責(zé)人 翁旭東 將通過 Tomoro 產(chǎn)品，展示如何將 AI 融入用戶熟悉的表格操作中。

• 架構(gòu)核心：采用主 - 從多智能體架構(gòu)。由主智能體負(fù)責(zé)拆解任務(wù)，各專家智能體分工執(zhí)行。

• 關(guān)鍵技術(shù)：

1. 路徑選擇策略：明確提出工具優(yōu)先，代碼兜底。優(yōu)先調(diào)用可靠的標(biāo)準(zhǔn)工具保證體驗(yàn)，再以 AI 代碼生成應(yīng)對個(gè)性化需求，避免 AI 濫用代碼導(dǎo)致的不穩(wěn)定。

2. 協(xié)作機(jī)制：建立共享工作記憶，讓各智能體同步中間結(jié)果，避免重復(fù)計(jì)算。

3. 性能分級(jí)：構(gòu)建了瀏覽器計(jì)算、內(nèi)存數(shù)據(jù)庫、高性能引擎的分層加速體系，確保億級(jí)數(shù)據(jù)下的秒級(jí)響應(yīng)。

3 火山引擎：數(shù)據(jù)量超大、跨度超長，Agent 怎么分析？

業(yè)務(wù)痛點(diǎn)

用戶行為數(shù)據(jù)（User Behavior）通常具有時(shí)間跨度大、語義復(fù)雜的特點(diǎn)。直接丟給大模型，受限于 Context Window（上下文窗口），往往無法處理，且分析出的結(jié)論難以被業(yè)務(wù)方驗(yàn)證和信任。

嘉賓解法

火山引擎資深工程師 蔣煜 將分享一套引入了 中間層 的大模型驅(qū)動(dòng)系統(tǒng)。

• 架構(gòu)核心：創(chuàng)新性地在原始日志基礎(chǔ)上，建立了行為數(shù)據(jù)形態(tài)中間表示層。

• 關(guān)鍵技術(shù)：

1. 突破窗口限制：利用中間表示層處理超出上下文窗口的數(shù)據(jù)，解決海量數(shù)據(jù)與模型窗口之間的矛盾。

2. 可信度構(gòu)建：始終保持模型分析與原始數(shù)據(jù)之間的連接。Agent 的分析結(jié)論可以追溯到原始數(shù)據(jù)，解決了黑盒分析不可解釋的難題。

3. 人機(jī)協(xié)同：在系統(tǒng)設(shè)計(jì)中引入業(yè)務(wù)知識(shí)與主動(dòng)學(xué)習(xí)，讓 AI 在人類分析師的反饋中成長。

4 阿里云：在生產(chǎn)環(huán)境，如何構(gòu)建“敢自動(dòng)修復(fù)”的運(yùn)維系統(tǒng)？

業(yè)務(wù)痛點(diǎn)

云原生時(shí)代系統(tǒng)復(fù)雜度激增，傳統(tǒng)規(guī)則難以覆蓋。但引入 AI 做運(yùn)維（AIOps），最大的顧慮是安全：AI 會(huì)不會(huì)出現(xiàn)幻覺？會(huì)不會(huì)誤操作搞掛系統(tǒng)？

嘉賓解法

阿里云 Serverless 基礎(chǔ)架構(gòu)負(fù)責(zé)人 趙慶杰 將復(fù)盤一套已在阿里云核心產(chǎn)線落地的 數(shù)據(jù)驅(qū)動(dòng)智能診斷系統(tǒng)（MTTR 實(shí)測降低 40%）。

• 架構(gòu)核心：明確的角色化分工 ——感知 Agent（采集 / 異常檢測）、推理 Agent（根因分析）、驗(yàn)證 Agent（假設(shè)檢驗(yàn)）、執(zhí)行 Agent（修復(fù)建議）。

• 關(guān)鍵技術(shù)：

1. 全棧數(shù)據(jù)閉環(huán)：將指標(biāo)、日志、鏈路及eBPF 事件統(tǒng)一建模為智能體可理解的上下文。

2. 安全保障機(jī)制：針對幻覺風(fēng)險(xiǎn)，設(shè)計(jì)了Prompt 工程 + 工具調(diào)用 + 幻覺抑制策略。

3. 熔斷設(shè)計(jì)：在執(zhí)行層引入人工熔斷機(jī)制與權(quán)限控制，確保高危操作在安全合規(guī)的前提下進(jìn)行，逐步替代人工巡檢。

這四個(gè)案例，分別代表了 Agent 在文檔生成、數(shù)據(jù)分析、行為洞察、系統(tǒng)運(yùn)維四個(gè)不同領(lǐng)域的深水區(qū)探索。沒有空泛的概念，只有經(jīng)得起生產(chǎn)環(huán)境考驗(yàn)的架構(gòu)設(shè)計(jì)。如果你正在思考如何將大模型能力真正接入核心業(yè)務(wù)流，這四位嘉賓的實(shí)戰(zhàn)復(fù)盤，值得一聽。

InfoQ 2025年終榜單以“洞察 AI 變革，見證智能未來”為主題，我們誠邀各企業(yè)和團(tuán)隊(duì)分享自己在 AI 領(lǐng)域的最新成果和杰出項(xiàng)目。無論是在AI基礎(chǔ)設(shè)施的搭建，工程與部署的創(chuàng)新，還是智能體生產(chǎn)力的提升與行業(yè)應(yīng)用的拓展，我們期待與您共同展現(xiàn)AI技術(shù)與產(chǎn)業(yè)結(jié)合的無限可能。如有興趣，歡迎掃描下方二維碼積極提報(bào)！