從理想到落地的實(shí)戰(zhàn)指南AI智能體開發(fā)方法論V1.0.20250815目錄13什么場景可以上AI？AI是用來解決“非預(yù)設(shè)規(guī)則”問題的AI落地的技術(shù)能力全景Contextengineering&workf24怎樣評(píng)估能否因AI獲益？使用頻率、技術(shù)可行性與數(shù)據(jù)準(zhǔn)備度AI智能體（LLM）的典型范式可供復(fù)制的設(shè)計(jì)模式與示例解析開始之前AI浪潮下的最大誤區(qū)……“如果你有的只是一個(gè)錘子，那么所有的東西看起來都像一個(gè)釘子”——亞伯拉罕·馬斯洛《科學(xué)的心理學(xué)》1966年在動(dòng)手開發(fā)AI智能體前，需要先回答兩個(gè)問題某大型汽車制造企業(yè)的AI落地規(guī)劃與設(shè)計(jì)項(xiàng)目啟動(dòng)需求收集專業(yè)評(píng)估落地規(guī)劃對(duì)各個(gè)單位IT人員集中培訓(xùn)，對(duì)齊認(rèn)知，增強(qiáng)參與感由IT人員匯總各單位需從業(yè)務(wù)價(jià)值、AI可行性到數(shù)據(jù)準(zhǔn)備度，對(duì)需求場景進(jìn)行分級(jí)識(shí)別出80+適合編制集團(tuán)AI落地規(guī)劃一、什么場景可以上AI？從軟件開發(fā)的角度看AI：y=f(x)Xf(X)傳統(tǒng)軟件預(yù)先設(shè)定的規(guī)則條件/循環(huán)/數(shù)據(jù)轉(zhuǎn)換/數(shù)學(xué)計(jì)算……傳統(tǒng)軟件預(yù)先設(shè)定的規(guī)則條件/循環(huán)/數(shù)據(jù)轉(zhuǎn)換/數(shù)學(xué)計(jì)算……分類/生成分類/生成……從技術(shù)角度看“不確定規(guī)則”，AI的兩大技術(shù)場景判別式AI：CV不確定性增強(qiáng)不確定性增強(qiáng)y=f(x)?Y：結(jié)構(gòu)化的處理結(jié)果不確定因素：字體、位置、模糊……生成式AI：NLPy=f(x)?X：文字（自然語言與結(jié)構(gòu)化的上下?Y：結(jié)構(gòu)化的處理結(jié)果不確定因素：俗語、同近義詞、非結(jié)構(gòu)化……從技術(shù)場景到業(yè)務(wù)場景，用AI解決軟件中的“一部分”需求升級(jí)改造新體驗(yàn)：引入升級(jí)改造新體驗(yàn)：引入AI后，系統(tǒng)更好用新價(jià)值：AI讓它成為可能，從人工到系統(tǒng)?知識(shí)問答??知識(shí)問答?智能問數(shù)?表面缺陷檢測(cè)不適合引入AI不適合引入AI傳統(tǒng)做法成本更低、效果更穩(wěn)定傳統(tǒng)軟件的做法傳統(tǒng)軟件的做法預(yù)設(shè)規(guī)則成本低非預(yù)設(shè)規(guī)則預(yù)設(shè)規(guī)則成本低從業(yè)務(wù)角度看“不確定規(guī)則”：預(yù)處理將非結(jié)構(gòu)化/模糊輸入轉(zhuǎn)化為機(jī)器可解析的標(biāo)準(zhǔn)化數(shù)據(jù)，解決規(guī)則難以定義的解析問題。?OCR（從模糊/傾斜的發(fā)票圖片中提取文字，無法用固定模板匹配）?語音轉(zhuǎn)文本（處理帶口音、背景噪音的客服錄音，規(guī)則無法覆蓋所有變體）?表面缺陷檢測(cè)（識(shí)別產(chǎn)品外觀的未知缺陷類型，無法預(yù)先定義所有缺陷規(guī)則）缺陷檢測(cè)：判別式缺陷檢測(cè)：判別式AI的典型應(yīng)用場景（場景創(chuàng)新）AI模型通常采用機(jī)器學(xué)習(xí)平臺(tái)（如TensorFlowServing），針對(duì)性訓(xùn)練得出，以不確定規(guī)則：光線、角度、缺陷的視覺特征等從業(yè)務(wù)的角度看“不確定規(guī)則”：中間處理從標(biāo)準(zhǔn)化數(shù)據(jù)中提取隱藏的語義或邏輯關(guān)系，解決規(guī)則無法表達(dá)的關(guān)聯(lián)性問題。?知識(shí)圖譜構(gòu)建（從海量文檔中發(fā)現(xiàn)企業(yè)業(yè)務(wù)實(shí)體的潛在關(guān)聯(lián)，規(guī)則難以窮舉）?異常根因分析（從運(yùn)維日志中定位復(fù)雜系統(tǒng)故障的隱含因果關(guān)系）?語義檢索（匹配用戶自然語言查詢與文檔庫，超越關(guān)鍵詞的字面匹配）語義檢索：生成式AI的典型應(yīng)用場景（升級(jí)改造）多AI模型協(xié)同（文本向量模型、文本重排序模型）。語義檢索既是一個(gè)獨(dú)立應(yīng)用場景，也可以作為基礎(chǔ)組件，服務(wù)于其他更多應(yīng)用場景。不確定規(guī)則：同近義詞、模糊化表述……從業(yè)務(wù)的角度看“不確定規(guī)則”：最終決策基于語義理解動(dòng)態(tài)生成行動(dòng)或策略，解決規(guī)則無法預(yù)見的決策問題。?動(dòng)態(tài)定價(jià)（實(shí)時(shí)調(diào)整商品價(jià)格，需綜合市場波動(dòng)、庫存等非固定規(guī)則因素）?風(fēng)險(xiǎn)審批（拒絕高風(fēng)險(xiǎn)交易，需結(jié)合用戶行為、實(shí)時(shí)輿情等動(dòng)態(tài)指標(biāo)）?智能問數(shù)（通過自然語言交互分析數(shù)據(jù)趨勢(shì)，動(dòng)態(tài)生成策略建議）智能問數(shù)：生成式AI的典型應(yīng)用場景（升級(jí)改造）AI模型通常為大語言模型，目前有“nl2sql+sql執(zhí)行”和“意圖識(shí)別+意圖執(zhí)行”兩條路線。前者落地門檻低，后者穩(wěn)定性好。?富文本（表格/圖表呈現(xiàn)、文本結(jié)論）不確定規(guī)則：同近義詞、模糊化表述……小結(jié)：將AI融入軟件，以“解決不確定”引導(dǎo)最終用戶發(fā)現(xiàn)業(yè)務(wù)價(jià)值數(shù)據(jù)預(yù)處理輸入界面數(shù)據(jù)預(yù)處理輸入界面動(dòng)作執(zhí)行數(shù)據(jù)處理數(shù)據(jù)處理AI場景的“三維評(píng)估體系”AI可行性業(yè)務(wù)價(jià)值數(shù)據(jù)準(zhǔn)備度AI可行性業(yè)務(wù)價(jià)值數(shù)據(jù)準(zhǔn)備度?可接受的處理時(shí)長?可接受的處理時(shí)長維度1：業(yè)務(wù)價(jià)值評(píng)估升級(jí)改造項(xiàng)目，以需求調(diào)研為主直接價(jià)值=（使用頻率+使用人數(shù)）*（引入AI前操作工時(shí)成本–引入AI后工時(shí)成本–AI成本）或直接價(jià)值=（引入AI前員工人數(shù)*平均成本1-引入AI后人數(shù)*平均成本2）–AI成本場景創(chuàng)新項(xiàng)目，以應(yīng)用研究為主間接價(jià)值=新的業(yè)務(wù)價(jià)值–AI成本維度2：AI可行性（不是“AI技術(shù)”的可行性）處理時(shí)長相比于傳統(tǒng)軟件的秒級(jí)響應(yīng)，AI的響應(yīng)時(shí)間通常長達(dá)數(shù)秒甚至十余秒結(jié)果開放性AI受限于技術(shù)原理，處理結(jié)果無法嚴(yán)格受控，生成式AI尤其明顯規(guī)則清晰度過于清晰的規(guī)則無需引入AI，過于模糊的規(guī)則，AI的引入成本通常過高維度3：數(shù)據(jù)準(zhǔn)備度AI的執(zhí)行效果?數(shù)據(jù)齊全，能有效補(bǔ)全模型內(nèi)嵌數(shù)據(jù)的短板AI的執(zhí)行效果?數(shù)據(jù)質(zhì)量高，實(shí)時(shí)性、準(zhǔn)確性有保障數(shù)據(jù)準(zhǔn)備度?對(duì)AI技術(shù)友好，有充足的標(biāo)注與合理的結(jié)構(gòu)數(shù)據(jù)準(zhǔn)備度“數(shù)據(jù)準(zhǔn)備度”可近似理解為數(shù)字化成熟度推薦《這就是低代碼：數(shù)字化轉(zhuǎn)型加速器》第4章數(shù)據(jù)治理水平小結(jié)：某制造企業(yè)的AI落地規(guī)劃設(shè)計(jì)需求收集專業(yè)評(píng)估落地規(guī)劃收集需求共100+項(xiàng)涉及10+單位?業(yè)務(wù)價(jià)值：頻率、人數(shù)結(jié)果開放性、規(guī)則清晰度?數(shù)據(jù)準(zhǔn)備度：數(shù)據(jù)豐富度、數(shù)據(jù)質(zhì)量識(shí)別80+場景納入落地規(guī)劃2025年首批9項(xiàng)知識(shí)密集場景長期規(guī)劃智能分析與診斷序號(hào)單位場景1財(cái)務(wù)共享中心財(cái)務(wù)智能問答機(jī)器人2全公司企業(yè)制度流程知識(shí)庫3集團(tuán)法務(wù)部合同業(yè)務(wù)智能問答與知識(shí)庫4汽車工程研究院研發(fā)知識(shí)問答大模型5信息技術(shù)部網(wǎng)絡(luò)安全預(yù)繁大模型6運(yùn)營管理部招采業(yè)務(wù)智能客服7銷售公司售后全媒體系統(tǒng)智能問答8銷售公司服務(wù)政策培訓(xùn)知識(shí)庫9銷售公司銷售話術(shù)復(fù)盤三、AI落地的技術(shù)能力全景三、AI落地的技術(shù)能力全景AI落地≠讓用戶直接和AI大模型對(duì)話1970年代，剛進(jìn)入企業(yè)管理領(lǐng)域的計(jì)算機(jī)編寫SQL語句輸入命令行程序編寫SQL語句輸入命令行程序編寫提示詞輸入AI對(duì)話框編寫提示詞輸入AI對(duì)話框2020年代定制化界面管理軟件定制化界面管理軟件定制化界面AI智能體定制化界面AI智能體用戶現(xiàn)在富文本界面三、AI落地的技術(shù)能力全景AI落地的核心：定制化的AI智能體Agent：代理人（代表他人行事或代表他人的人）?人類的代理，幫助人類使用AI?AI的代理，幫助AI服務(wù)人類三、AI落地的技術(shù)能力全景執(zhí)行層類似管理軟件后端執(zhí)行層類似管理軟件后端類似管理軟件前端處理好了處理好了當(dāng)前用戶中間結(jié)果當(dāng)前用戶中間結(jié)果歷史對(duì)話相關(guān)知識(shí)相關(guān)數(shù)據(jù)組成提示詞組成提示詞輸出值決策層（封裝的AI輸出值決策層（封裝的AI接口）無狀態(tài)服務(wù)，類似stringf(stringx)AI輸入輸AI輸入輸出數(shù)據(jù)庫操作實(shí)體/數(shù)據(jù)對(duì)象調(diào)用WebAPI三、AI落地的技術(shù)能力全景AI智能體的開發(fā)架構(gòu)：AI調(diào)用單元與Workflow前端交互界面（對(duì)接感知層/執(zhí)行層）組件/頁面模板/邏輯流控/事件機(jī)制前端交互界面（對(duì)接感知層/執(zhí)行層）組件/頁面模板/邏輯流控/事件機(jī)制……第三方服務(wù)AI第三方服務(wù)AI服務(wù)AI調(diào)用單元非AI調(diào)用單元AIWorkflow（類似人類協(xié)同辦公的“工作流”）非AI調(diào)用單元AI調(diào)用單元智能體開發(fā)平臺(tái)基礎(chǔ)類庫與操作組件基礎(chǔ)類庫與操作組件邏輯流控/數(shù)據(jù)計(jì)算/數(shù)據(jù)庫讀寫/緩存讀寫/用戶認(rèn)證……開發(fā)與運(yùn)維平臺(tái)開發(fā)與運(yùn)維平臺(tái)生命周期/監(jiān)控/安全/分發(fā)……例如活字格三、AI落地的技術(shù)能力全景小模型/判別式AI調(diào)用單元較為簡單，僅需按照SDK要求準(zhǔn)備參數(shù)參數(shù)對(duì)象按照SDK要求準(zhǔn)備HTTP請(qǐng)求參數(shù)（head/body）小模型的RESTful/HTTP接口TensorFlowServing或云服務(wù)等返回對(duì)象按照SDK要求解析HTTP響應(yīng)（body）小模型與判別式AI的應(yīng)用場景較為單一，接口通常為“特化參數(shù)”，有較為嚴(yán)格的參數(shù)定義要求，開發(fā)者僅需按照SDK的要求準(zhǔn)備參數(shù)，解析返回結(jié)果即可。小模型可單獨(dú)完成任務(wù)或者作為智能體的一部分，與大模型協(xié)作（如向量化、文本排序、意圖識(shí)別等）。百度AI開放平臺(tái)的OCR模型接口定義和活字格發(fā)送HTTP請(qǐng)求命令百度AI開放平臺(tái)的OCR模型接口定義和活字格發(fā)送HTTP請(qǐng)求命令1、技術(shù)驗(yàn)證原型：發(fā)票識(shí)別（泛行業(yè)）三、AI落地的技術(shù)能力全景大語言模型AI調(diào)用單元需要引入上下文工程的概念，為AI構(gòu)建“舒適區(qū)”1、準(zhǔn)備LLM調(diào)用參數(shù)：傳遞給AI的信息?提示詞工程：任務(wù)說明與限制?歷史與狀態(tài)（短期）：用戶上下文、中間處理結(jié)果?記憶（長期）：業(yè)務(wù)上下文（含基于歷史提2、執(zhí)行LLM調(diào)用，并接收返回值3、解析結(jié)構(gòu)化輸出來自《12factorsagents》最佳實(shí)踐指南來自《12factorsagents》最佳實(shí)踐指南有效處理應(yīng)用場景廣泛的大模型的“泛化”接口，即stringf(stringx)?提取Function/MCP調(diào)用請(qǐng)求和參數(shù)（通常三、AI落地的技術(shù)能力全景活字格的上下文工程實(shí)現(xiàn)1/2：提示詞/記憶/結(jié)構(gòu)化輸出傳給LLM的提示詞傳給LLM的提示詞結(jié)構(gòu)化輸出"從“200用戶授權(quán)”推斷出您需要訂購的產(chǎn)品是活字格低代碼開發(fā)平臺(tái)，數(shù)量為200。名":"活字格低代碼開發(fā)平臺(tái)","數(shù)量":"200","單短期（用戶上下文）：溝通記錄短期（用戶上下文）：溝通記錄長期（業(yè)務(wù)上下文）：商品規(guī)格列表）：）：當(dāng)前登錄用戶對(duì)應(yīng)的代理商折扣政策價(jià)":600,"折2、技術(shù)驗(yàn)證原型：訂貨助手（商務(wù)服務(wù)業(yè)）三、AI落地的技術(shù)能力全景傳給LLM的提示詞基于結(jié)構(gòu)化輸出處理后的返回結(jié)果用戶輸入用戶輸入企業(yè)知識(shí)存儲(chǔ)在企業(yè)知識(shí)存儲(chǔ)在AI之外調(diào)用知識(shí)庫查詢接口調(diào)用知識(shí)庫查詢接口將召回的知識(shí)拼接到提示詞引導(dǎo)AI將這些知識(shí)引導(dǎo)AI將這些知識(shí)運(yùn)用于思考過程），3、技術(shù)驗(yàn)證原型：合同合規(guī)審查（泛行業(yè)）三、AI落地的技術(shù)能力全景實(shí)戰(zhàn)技巧：通過大語言模型提供的對(duì)話服務(wù)進(jìn)行技術(shù)驗(yàn)證業(yè)務(wù)上下文用戶上下文業(yè)務(wù)上下文用戶上下文相關(guān)知識(shí)用戶輸入相關(guān)知識(shí)用戶輸入提示詞提示詞面對(duì)AI的高度不確定性，和迭代優(yōu)化空間，推薦開發(fā)者三、AI落地的技術(shù)能力全景從AI調(diào)用單元到Workflow，讓AI模擬“多人協(xié)作”注意：狹義Agent僅指AI調(diào)用單元，由AI自主完成全部任務(wù)；廣義Agent包含狹義Agent和由AI調(diào)用單元構(gòu)成的Workflow。后者在企業(yè)場景中更為實(shí)際。?AI處理復(fù)雜任務(wù)的能力受限，需要人類基于需求分析進(jìn)行預(yù)拆解和編排，以提升執(zhí)行效果不佳?關(guān)鍵節(jié)點(diǎn)缺乏必要的強(qiáng)制性要求，如必須執(zhí)行“權(quán)限校驗(yàn)”或必須“調(diào)用API獲取實(shí)時(shí)數(shù)據(jù)”等?無法記錄高可信度的審計(jì)日志，滿足穩(wěn)定性和可解釋性需求三、AI落地的技術(shù)能力全景活字格的Workflow實(shí)現(xiàn)：多AI節(jié)點(diǎn)協(xié)作用戶交互用戶交互文章內(nèi)容文章內(nèi)容人工評(píng)分用戶輸入輸出人工評(píng)分用戶輸入輸出第第人稱參考內(nèi)容參考內(nèi)容提煉潤色參數(shù)文章要求潤色為第一人稱提煉技術(shù)內(nèi)容文章要求潤色為第一人稱提煉技術(shù)內(nèi)容提示詞模板潤色參數(shù)提煉提示詞模板潤色參數(shù)提煉4、葡萄城自用：技術(shù)文章撰寫（服務(wù)業(yè)）三、AI落地的技術(shù)能力全景不止于開發(fā)，活字格支持智能體平臺(tái)（中國信通院，2025）的全部功能信通院聯(lián)合30余家企業(yè)的60余位專家，研制完成了《智能體平臺(tái)技術(shù)要求》標(biāo)準(zhǔn)。標(biāo)準(zhǔn)包含數(shù)據(jù)活字格（含插件與應(yīng)用模板）支持上述全部能力域和能力要求。三、AI落地的技術(shù)能力全景AI智能體開發(fā)工程師崗AI智能體開發(fā)工程師崗活字格AI相關(guān)工作（如提示詞工程）前后端開發(fā)數(shù)據(jù)準(zhǔn)備WebAPI調(diào)用數(shù)據(jù)加工數(shù)據(jù)庫讀寫用戶交互AI相關(guān)工作占比隨業(yè)務(wù)復(fù)雜度和能力層級(jí)提升呈現(xiàn)降低趨勢(shì)，通常不超過10%前后端開發(fā)數(shù)據(jù)準(zhǔn)備WebAPI調(diào)用數(shù)據(jù)加工數(shù)據(jù)庫讀寫用戶交互傳統(tǒng)企業(yè)軟件企業(yè)級(jí)AI智能體用好范式，快速啟用冷啟動(dòng)團(tuán)隊(duì)沒經(jīng)驗(yàn)、缺乏歷史數(shù)據(jù)熱啟動(dòng)團(tuán)隊(duì)有經(jīng)驗(yàn)、歷史數(shù)據(jù)質(zhì)量好遵循范式遵循范式優(yōu)先采用通用LLM保底√快速驗(yàn)證范式創(chuàng)新局部優(yōu)化范式創(chuàng)新局部優(yōu)化質(zhì)變↑效果提升質(zhì)變↑效果提升↓成本下降范式創(chuàng)新局部優(yōu)化范式創(chuàng)新局部優(yōu)化知識(shí)庫管理：追加文本資源（灌入知識(shí)）知識(shí)庫管理：追加文本資源（灌入知識(shí)）預(yù)處理提煉特征預(yù)處理提煉特征維護(hù)人員向量庫錄入知識(shí)文本最終用戶選擇領(lǐng)域后提問……提煉特征選擇領(lǐng)域后提問……提煉特征檢索獲取相關(guān)的知識(shí)生成問題的答案生成問題的答案提升相關(guān)性，減少幻覺結(jié)構(gòu)化呈現(xiàn)知識(shí)文本會(huì)話保持、相關(guān)問題、原始引用等優(yōu)化用戶體驗(yàn)會(huì)話保持、相關(guān)問題、原始引用等優(yōu)化用戶體驗(yàn)5、技術(shù)驗(yàn)證原型：知識(shí)問答（泛行業(yè)）用戶交互推薦產(chǎn)品擴(kuò)展：將語義檢索與業(yè)務(wù)需求場景融合（對(duì)話式交互）推薦產(chǎn)品用戶輸入生成推薦建議需求描述提煉特征生成推薦建議需求描述提煉特征提煉特征產(chǎn)品介紹包含有產(chǎn)品的特征向量語義搜索模塊完成從需求到產(chǎn)品介紹的搜索在RAG模式的基礎(chǔ)上，針對(duì)業(yè)務(wù)場景產(chǎn)品介紹包含有產(chǎn)品的特征向量語義搜索模塊完成從需求到產(chǎn)品介紹的搜索?將文本資源維護(hù)融入業(yè)務(wù)數(shù)據(jù)管理6、技術(shù)驗(yàn)證原型：詢盤應(yīng)答（批發(fā)零售業(yè)）用戶交互初篩結(jié)果擴(kuò)展：將語義檢索與業(yè)務(wù)需求場景融合（表單式交互）初篩結(jié)果用戶輸入提煉人才特征生成匹配與評(píng)價(jià)簡歷內(nèi)容提煉人才特征生成匹配與評(píng)價(jià)簡歷內(nèi)容僅向量搜索，不重排維護(hù)崗位提煉特征數(shù)據(jù)存儲(chǔ)包含有崗位說明的特征向量語義搜索模塊完成從人才特征到崗位說明的搜索提煉特征數(shù)據(jù)存儲(chǔ)包含有崗位說明的特征向量語義搜索模塊完成從人才特征到崗位說明的搜索?不做預(yù)處理（切片/擴(kuò)增）?將文本資源維護(hù)融入業(yè)務(wù)數(shù)據(jù)管理7、葡萄城自用：簡歷初篩（泛行業(yè)）?查資料，尤其是一次任務(wù)需要查多份資料（如專業(yè)文獻(xiàn)、規(guī)章制度、產(chǎn)品介紹等）?問知識(shí)，特別是操作手冊(cè)或問答手冊(cè)?這些資料和知識(shí)不是結(jié)構(gòu)化、可計(jì)算、實(shí)時(shí)數(shù)據(jù)：應(yīng)采用數(shù)據(jù)庫實(shí)時(shí)查詢等方法代替?不是嚴(yán)格口徑的匹配要求：需采用穩(wěn)定性更高的正則表達(dá)式?知識(shí)質(zhì)量不佳，且無法通過數(shù)據(jù)治理等管理方式提升的，推薦引入更多強(qiáng)化措施?如果數(shù)據(jù)量極小，應(yīng)考慮將數(shù)據(jù)完整添加到上下文，不要為了RAG而RAG局部優(yōu)化：基于語義切片、稀疏向量化、語義重排序等用戶最期待的場景：“智能終端”（如智能問數(shù)），但對(duì)準(zhǔn)確性要求偏高數(shù)據(jù)庫知識(shí)庫意圖識(shí)別提供元數(shù)據(jù)數(shù)據(jù)庫知識(shí)庫意圖識(shí)別我要查我要查……發(fā)揮NLP優(yōu)勢(shì)軟件的工作準(zhǔn)確、可靠、可擴(kuò)展執(zhí)行查詢含權(quán)限控制用戶