怎樣的____?需要我們到底____怎樣？從“移動原生”到“Agent原生”科斯《企業(yè)的本質(zhì)》：企業(yè)存在的目的是為了節(jié)約市場交易的成本。移動原生Agent原生AI的出現(xiàn)會對企業(yè)的規(guī)模、邊界和結構產(chǎn)生重大影響?！癆gent原生企業(yè)”是整個組織都構建在與AI的協(xié)同之上，人與Agent協(xié)作的成本非常低的企業(yè)。??沒有移動設備就不會存在的應用代表案例；微信、滴滴等??沒有Agent就不會存在的應用代表案例：元寶、Cursor如何建設人與Agent的混合團隊？CONTENT

01演進：從回答到執(zhí)行騰訊云智能體開發(fā)平臺智能體時代統(tǒng)一數(shù)據(jù)治理輕量化虛擬演播制作02目錄0304一演進：從問答到執(zhí)行人工智能即將邁入新階段20232025能力維度水平維度影響維度質(zhì)疑

Agent，理解Agent，應用

Agent1、成本門檻：極大降低了應用開發(fā)成本和門檻。諸多質(zhì)疑1、響應速度慢：思考+拆解+推理+流式輸出。2、簡化流程：讓模型來處理參數(shù)轉(zhuǎn)換，減少流程配置工作量。2、會出現(xiàn)幻覺：事實性錯誤與不遵循指令。3、自主提升：與電腦/網(wǎng)絡/工具更自然的交互，系統(tǒng)能力隨著模型能力增長可自然提升。3、交互不友好：長篇大論羅嗦輸出，相對點什么做什4、協(xié)同：多智能體的組裝、協(xié)同、競爭，能夠。么的模式，明顯不友好。4、以前也能做：傳統(tǒng)的編碼開發(fā)或者低代碼的配置平臺，同樣能實現(xiàn)類似Agent的流程功能。顯著優(yōu)勢7三年來大模型/智能體應用的幾點感悟Agent

的媒體落地需要面向“企業(yè)級”“企業(yè)級”這一術語意味著承受業(yè)務嚴苛的需求123大量的開源平臺和開源模型，讓大家比較容易產(chǎn)生一種“我也能”的錯覺。但越來越深入追求業(yè)務落地后往往會發(fā)現(xiàn)：極高的可靠性：高可靠性99.9%的正常運行時間，制定災難恢復計劃。具備端到端加密、數(shù)據(jù)防丟失：企業(yè)級應用與消費級、科研級有本質(zhì)的差異。安全性擴展性易用性集成性嚴格的訪問控制機制、遵守行業(yè)法規(guī)。無縫處理高并發(fā)、多用戶、海量數(shù)據(jù)支持：負載增加時不能出現(xiàn)性能下降和可靠性問題。做一個匯聚了幾十上百智能體的

AIGC

平臺容易，讓業(yè)務人員留存在這個平臺上持續(xù)的發(fā)揮價值很難：直觀易用，讓各類非技術型操作人員快速的上手：避免其轉(zhuǎn)向消費級替代方案出現(xiàn)安全風險。智能體必須深度的嵌入業(yè)務工作的全流程需平滑的與企業(yè)現(xiàn)有復雜的

IT

生態(tài)系統(tǒng)集成：成為統(tǒng)一的

IT

基礎設施。供應商提供全面技術支持和維護服務：支持與維護治理與控制智能體的核心是自我思考與交付成果。沒有語義統(tǒng)一的數(shù)據(jù)層支持，智能體的自動執(zhí)行與智能決策都無從談起：包括優(yōu)化服務、定期更新、漏洞修復等。提供精細化的策略管理能力以控制用戶和系統(tǒng)行為：系統(tǒng)架構新范式：

Data+AI+Agent具備全面審計和日志記錄能力。企業(yè)級智能體與消費級智能體的差異消費級智能體企業(yè)級智能體設計目標業(yè)務知識數(shù)據(jù)處理安全水準在特定業(yè)務環(huán)境中完成具體工作，確保安全、合規(guī)和高可靠性;以易用性、可訪問性和用戶體驗為首要目標，主要處理通用任務。具備通用世界知識，但缺乏對特定組織內(nèi)部情境的理解通常利用用戶數(shù)據(jù)改進通用模型，數(shù)據(jù)治理標準相對寬松安全性重要，但風險通常局限于單個用戶的個人數(shù)據(jù)泄露完成特定工作，通常不強調(diào)協(xié)同需具備對企業(yè)內(nèi)部環(huán)境的深度情境感知能力，包括理解組織架構、員工角色、權限級別、業(yè)務流程及專有數(shù)據(jù)，理解企業(yè)“業(yè)務現(xiàn)實”視企業(yè)數(shù)據(jù)為核心專有資產(chǎn)，確保數(shù)據(jù)絕不用于訓練公共模型，處理過程完全隔離，并嚴格遵守企業(yè)隱私和安全協(xié)議不接受任何可能損失，需嚴格驗證、風險防范，遵循“安全始于設計”理念協(xié)同能力強調(diào)跨部門的連接，強調(diào)多系統(tǒng)的協(xié)同。新一代傳媒

AI

中樞架構業(yè)務應用層跨平臺統(tǒng)一入口策采編發(fā)企微協(xié)同工作臺個人/企業(yè)知識庫音視圖內(nèi)容庫企微機器人

AI

Bot創(chuàng)作類

Agent數(shù)據(jù)類

Agent數(shù)據(jù)科學

數(shù)據(jù)智能

智能問數(shù)運營類

Agent業(yè)務洞察

人群圈選

效果分析業(yè)務類

Agent智能體能力層策劃采集文本創(chuàng)作圖像創(chuàng)作視頻編創(chuàng)公文寫作

政策服務IT

服務MCP倉

庫文本編輯類圖像編輯類圖像生成類視頻編輯類工作流畫布視頻生成類音頻編輯類音頻生成類

其他類智能引擎層Agent

編輯插件編輯插件接入智能體倉庫多模型接入調(diào)度多

Agent

交互多模態(tài)資產(chǎn)庫多模態(tài)語料庫高質(zhì)量數(shù)據(jù)集多領域知識庫多維度運營庫統(tǒng)一數(shù)據(jù)層非結構化數(shù)據(jù)半結構化數(shù)據(jù)結構化數(shù)據(jù)日志Markdown表格K-V庫標簽庫向量庫圖譜庫視頻圖片文稿音頻富媒體智算基建層高性能計算高性能網(wǎng)絡高性能存儲訓練加速推理加速以“媒體Agent助手”為核心的智能體一站式解決方案?通過熱點平臺匯聚數(shù)據(jù)，結合大模型智能分析能力，篩選報道熱點，形成自動化線索聚合體系?面向不同發(fā)布平臺，以符合媒體風格的口吻，形成不同發(fā)布稿，支持多平臺多類型分發(fā)個人工具收藏文案企業(yè)章程辦公文檔?按照不同人設風格與結合個人知識庫內(nèi)容屬性，進行選題篩選與智能創(chuàng)作?全面收集運營數(shù)據(jù)與傳播效果，形成分析報告與洞察策略，輔助進行深度運營決策生產(chǎn)流程個人數(shù)據(jù)數(shù)字分身企業(yè)數(shù)據(jù)媒體稿件個人文風角色知識內(nèi)容解析媒體風格?實現(xiàn)企業(yè)內(nèi)部辦公自動化與一體化協(xié)同，快捷反饋，準確答復，提質(zhì)增效?在內(nèi)容管存方面，完成事實核查、內(nèi)容多模態(tài)理解分析，內(nèi)容自動化聚合生產(chǎn)的效果體打造每個媒體人自己獨一無二的A

助手一個典型的企業(yè)級超高清媒體處理智能體示例用戶目標意圖識別智能工作流結果輸出視頻、圖片文件上傳4K超自動處理自動處理廣播級備播分對視頻進行備播4K超分黑白影像修復劇集修復超分用戶意圖識別進行黑白影像修復自動處理自動處理90年代劇集修復超分照片修復完成歷史照片修復……基于媒體AI助手的媒體工作臺，典型協(xié)同工作流程保持個人與媒體風格進行不同選題方向的稿件創(chuàng)作按照特定人設智能體基于其關注的熱點數(shù)據(jù)事件進行深度思考整理選題視角可創(chuàng)建協(xié)同任務任務由智能體優(yōu)先處理，納入工作區(qū)面向策采編發(fā)全流程的多角色智能體策劃助理采集助理編輯助理審核助理運營助理自動發(fā)現(xiàn)熱點事件，可按照地區(qū)熱點、分類熱點等提供您最關注的熱點內(nèi)容。還可根據(jù)熱點提供多種方向的選題建議和寫作建議，助力選題策劃?？商峁┫嚓P事件檢索的AI能力，提高信息采集效率。還可根據(jù)新聞主題或采訪主題自動生成包含破冰引入、逐步深入的采訪問題內(nèi)容，并將采訪內(nèi)容整理為可用素材。根據(jù)熱點事件和選題建議，自動生成新聞大綱。并根據(jù)編輯的需求進多種類新聞稿件的寫作，包括新聞通訊稿、新聞報道、新聞評論等。為新聞稿件中的圖文內(nèi)容提供多源事實核查和文稿智能審校，并提供修改建議。同時結合天御能力提供文本和圖片的安全審查功能?？蓪⑿侣劯寮绘I生成微博分享文案、小紅書筆記文案和公眾號文案等，提升運營效率。還可助力社交媒體貼文智能分析、智能評論等。AI能力：AI能力：AI能力：AI能力：AI能力：???熱點發(fā)現(xiàn)????采訪問題生成采訪目標建議采訪內(nèi)容整理相關事件檢索????新聞大綱寫作新聞通訊寫作新聞報道寫作新聞評論寫作????新媒體分享文案生成貼文智能分析貼文評論創(chuàng)作智能翻譯????事實核查觀點分析文稿審校智能選題建議文本內(nèi)容審查圖片內(nèi)容審查二騰訊云智能體開發(fā)平臺騰訊云ADP智能體引擎ADP

平臺優(yōu)勢?

全局視野Agent，智能回退&路由修正；?

工作流在端到端準確率、參數(shù)提取準確率、意圖識別準確率行業(yè)領先；智能體開發(fā)接口RAGWorkflow引入

Agent

節(jié)點，流程智能運行Mult-Agent?

強大的多

Agent

協(xié)同能力：自由轉(zhuǎn)交、工作流編排模版、Plan-and-

Execute協(xié)同模板；從傳統(tǒng)

RAG

到

Agentic

RAG全面的智能體協(xié)同配置方式知識庫插件廣場模版庫流程畫布?

長/短期+執(zhí)行過程記憶機制；?

更強的文本/表格/圖片理解能力；?

嚴肅性問答支持；文檔/問答對/數(shù)據(jù)庫官方插件/MCP低代碼流程畫布提示詞模板庫?

完善的權限、審計、監(jiān)控能力；?

專門優(yōu)化的內(nèi)置模型；模型廣場?

企業(yè)級雙層精細化權限管理：支持平臺級、應用級、知識庫等完整權限體系配置；?

提供高效、客觀、全方位的智能自動化評測能力；預置混元&優(yōu)圖騰訊云

TiOne自部署三方優(yōu)質(zhì)模型公有云其他模型精調(diào)模型模型對接Agent

Infra?

官方精選的高質(zhì)量插件庫，插件數(shù)量達140+個，持續(xù)增長中；身份權限平臺端/應用端權限安全合規(guī)內(nèi)容安全/模型運行安全等運行環(huán)境代碼沙箱/瀏覽器沙箱運行監(jiān)控應用評測/應用運營?

官方精選的提示詞模板和應用模板?

……騰訊云大模型知識引擎：三大應用模式，滿足客戶多樣需求要穩(wěn)定選標準模式，要定制選工作流，要自由度選Agent！標準模式工作流模式Multi-Agent模式“最強知識外掛”“智能生產(chǎn)線”“AI指揮官”使用指定的工作流來響應用戶所有對話。適用對應用的執(zhí)行流程，有明確流程需求，可以通過工作流，來拖拉拽各種原子能力，編排想要的流程。導入文檔/問答對，即可達到更穩(wěn)定和精確的知識問答效果。適用于知識服務、產(chǎn)品咨詢等嚴肅問答場景。由大模型進行任務自主規(guī)劃和工具調(diào)用，可實現(xiàn)高效應用搭建。適用于有靈活回復或快速搭建需求的服務問答場景。把企業(yè)五花八門的知識庫喂給大模型，沒那么簡單！難點：企業(yè)知識格式多樣、圖文并茂復雜排版的閱讀順序復雜的表格結構橫向多欄縱向多欄圖/圖注群組表/表注群組有線表格無線表格少線表格跨欄段落跨圖段落跨表段落圖表文環(huán)繞復雜的子元素識別段落內(nèi)圖像表格內(nèi)圖像段落內(nèi)公式表格內(nèi)公式騰訊云ADP:強大RAG能力加持，搭建精準的知識問答應用復雜文檔解析、切分、檢索、推理、生成準確率保持領先高準確的綜合檢索能力高準確的復雜文檔解析、切分能力上線基于LLM的embedding模型，多文檔信息召回率從85%提升到92%；混合檢索+Text2SQL能力，提升超大表格單表檢索及跨表檢索準確率，SQL執(zhí)行準確率80%+基于OCR大模型，打造的解析引擎，突破圖文混排版面分析、復雜表格識別等文檔解析技術瓶頸，支持超過20類文檔類型。?業(yè)界首個支持200MB以上超大文檔

vs.業(yè)內(nèi)普遍100MB內(nèi)豐富的文檔類型，超過26類

vs.

業(yè)內(nèi)普遍

10類以內(nèi)支持圖文混排（多列排版）版面分析

、圖文表/公式/頁眉等元素識別Query??“非智能且在售，并且一級分類是通過SQL檢索表格信息天棚燈的產(chǎn)品包含哪些”識別精度高、圖片元素不丟失騰訊云ADP：充分考慮文、圖兩種模態(tài)的檢索優(yōu)化、能力打磨說明書樣例騰訊云RAG+DeepSeek：圖文并貌的產(chǎn)品操作說明“制動系統(tǒng)怎么保養(yǎng)？”騰訊云

ADP“工作流”:支持用戶快速編排復雜應用面向復雜業(yè)務流程場景，升級復雜應用構建能力提供10+畫布節(jié)點，編排復雜應用，復雜流程的執(zhí)行準確率和對話完成率效果領先。?

通過可視化拖拉拽的方式編排不同的原子能力，零代碼/低代碼構建業(yè)務流程。?

其中參數(shù)提取節(jié)點，支持多參數(shù)同時提取、基于對話歷史進行多輪反問澄清等優(yōu)勢能力，對話效果更優(yōu)勢。?

大模型相關的節(jié)點均接入DeepSeek

R1和V3模型，可支持自由選擇和切換。騰訊云

ADP“工作流”:全局

Agent

管控大模型知識引擎“Agent模式”：

自主規(guī)劃和工具調(diào)用由大模型自主拆解任務和規(guī)劃路徑，模型主動選擇和調(diào)用工具，并能夠主動糾錯和反思，回復效果更靈活。思考規(guī)劃Agent任務拆解和任務規(guī)劃主動選擇和調(diào)用工具主動糾錯/反思當工具調(diào)用失敗、工具選擇不合理，上一步行動有瑕疵，模型主動糾正上一步行為搜索引擎代碼執(zhí)行股票信息計算器日程預定百科信息輸出回復輸入問題自定義工具回復結果內(nèi)容用戶輸入問題Agent

Handoff轉(zhuǎn)交智能決策agentagentagentagent騰訊云

ADP已升級支持

MCP協(xié)議，精選海量工具COS機器翻譯搜索文檔轉(zhuǎn)換BangBox位置服務三智能體時代的統(tǒng)一數(shù)據(jù)治理媒體“數(shù)據(jù)”系統(tǒng)建設現(xiàn)狀煙囪式架構，始于業(yè)務需求，終于定制系統(tǒng)用戶行為數(shù)據(jù)匯聚數(shù)據(jù)處理數(shù)據(jù)倉庫數(shù)據(jù)庫BI大數(shù)據(jù)系統(tǒng)埋點收視體驗數(shù)據(jù)匯聚數(shù)據(jù)處理數(shù)據(jù)處理業(yè)務系統(tǒng)業(yè)務系統(tǒng)設備數(shù)據(jù)監(jiān)控系統(tǒng)日志系統(tǒng)埋點數(shù)據(jù)匯聚數(shù)據(jù)庫數(shù)據(jù)庫業(yè)務操作埋點業(yè)務系統(tǒng)這樣的數(shù)據(jù)不是資產(chǎn)記錄內(nèi)容生產(chǎn)內(nèi)容加工內(nèi)容庫制播發(fā)內(nèi)容系統(tǒng)生產(chǎn)

采集數(shù)據(jù)割裂數(shù)據(jù)重復存儲數(shù)據(jù)難復用模型不一致指標不統(tǒng)一無法挖掘當前數(shù)據(jù)能力的痛點：兩個割裂數(shù)據(jù)資產(chǎn)與知識能力的

割裂非結構數(shù)據(jù)與結構數(shù)據(jù)的

割裂?

企業(yè)內(nèi)結構化數(shù)據(jù)與非結構化數(shù)據(jù)缺乏統(tǒng)一處理框架?？缒B(tài)數(shù)據(jù)內(nèi)容難以交叉挖掘，導致洞察片面化。?

顯性的內(nèi)容數(shù)據(jù)沉睡在分散媒資、內(nèi)容庫中，隱性的知識則散落在文檔報告、會議紀要甚至員工頭腦中。?

結構化數(shù)據(jù)處理依賴固定規(guī)則，無法靈活理解不同行業(yè)的業(yè)務邏輯，需針對特定業(yè)務場景定制數(shù)據(jù)開發(fā)邏輯或模型，成本高、周期長。BI?

數(shù)據(jù)中臺的

工具能處理數(shù)據(jù)庫中的規(guī)整數(shù)據(jù)，卻無法連接內(nèi)容運營、用戶增長的策略邏輯。?

從數(shù)據(jù)洞察到業(yè)務價值，需要先從讓數(shù)據(jù)知識化，包括數(shù)據(jù)準備、知識解析化，再通過智能體實現(xiàn)知識的透傳，最終實現(xiàn)智能應用。?

非結構化數(shù)據(jù)無法自動轉(zhuǎn)化為可理解知識，導致智能應用開發(fā)效率低下且準確性無從保障。媒體數(shù)據(jù)分析的痛點傳統(tǒng)分析流程成為數(shù)據(jù)價值變現(xiàn)卡點數(shù)據(jù)分析供需錯位

大量需求被壓抑管理層01

慢02

難全面系統(tǒng)性地了解真實情況難需無法及時獲取有效數(shù)據(jù)進行決策經(jīng)營分析播放分析增長分析喜好分析流失分析用戶運營…

…洞察解讀匯報1個數(shù)據(jù)分析師決策03猜數(shù)據(jù)隱藏關系多，歸因靠經(jīng)驗、靠猜測，難復制04

漏數(shù)據(jù)解讀欠專業(yè)，人工解讀易出錯、易遺漏業(yè)務部門~80%數(shù)據(jù)分析需求提需求做報表為一次性靈活分析熬夜Coding數(shù)據(jù)部門數(shù)十個業(yè)務人員05

繁06

累數(shù)據(jù)指標多而繁，數(shù)據(jù)異動發(fā)現(xiàn)慢無法承接所有需求

超80%的數(shù)據(jù)被浪費數(shù)據(jù)庫2數(shù)字化的后面幾公里數(shù)據(jù)中臺建設解決了數(shù)據(jù)沉淀、分析、使用問題沒有解決知識沉淀問題，沒有解決數(shù)據(jù)洞察問題，更沒有解決基于數(shù)據(jù)的決策與執(zhí)行問題傳統(tǒng)數(shù)據(jù)中臺范疇數(shù)據(jù)分析呈現(xiàn)BI

/

大屏模式?

數(shù)據(jù)集成?

湖倉一體?

數(shù)據(jù)資產(chǎn)?

數(shù)據(jù)服務規(guī)則決策

&

執(zhí)行洞察自主策略制定關聯(lián)偏好約束自主任務執(zhí)行自主評估優(yōu)化知識

&

信息通用知識行業(yè)知識政策知識競對信息在GenAI時代，數(shù)據(jù)處理/分析的方式在極速變化是一種數(shù)據(jù)分析過程，通過在Data-to-Insight的工作流程中應用AIAgent，以半自主或自主的方式協(xié)調(diào)任務，朝著AI主動洞察

&決策的目標推進。Agentic

Analytics20242025改變一（Agentic

Analytics）ChatBIBI

看板&離線報表自然語言數(shù)據(jù)查直觀、對話的方戶直接與數(shù)據(jù)自然語言BI分析，無需用戶具備專業(yè)的SQL分析技能自然語言理解生成分分析師精心處理、分析而使用群體改變二AI

Agent人DataOps+AIOps一數(shù)據(jù)

ETL數(shù)倉分層

&數(shù)據(jù)預處據(jù)與ML訓練提供一體化體驗利用燈塔一平臺，實現(xiàn)播放頁千人千面推薦模型+用戶行為統(tǒng)計分析提供一體化數(shù)據(jù)分析和使用方式改變?nèi)鼳gent帶著問題找數(shù)據(jù)AI

Search人找數(shù)據(jù)檢索分析檢索增強，激活+非結構化數(shù)據(jù)可提供一站式的高精度全支持書籍內(nèi)容智能檢索，包括書籍引源、猜你想問等豐富的互動能力基于文本倒排的檢索與分析平臺定位改變四智能體（Agent）實時數(shù)據(jù)服務營數(shù)據(jù)與生成式深度融合被動的數(shù)據(jù)“倉庫”主動的AI數(shù)據(jù)平臺為營銷自動化/運營數(shù)據(jù)等場景提供在線數(shù)據(jù)服務LLAI企業(yè)內(nèi)業(yè)務數(shù)據(jù)融合產(chǎn)生更好的一站式

廣告創(chuàng)意平臺騰訊廣告妙思GenAI應用整體而言Agentic

Analytics在世界范圍內(nèi)也處于早期階段專注于Agent平臺的建設構建自己的Cortex

Agent推出一系列Data

Agents，及AI

QueryEngineMosaic

AISnowflake

CortexData

AgentsSnowflake的AI套件，它利用大型語言模型（LLMs）來理解非結構化數(shù)據(jù)、回答開放式問題并提供智能輔助。包括：agent數(shù)據(jù)工程??Agent

Framework：??主要做數(shù)據(jù)準備相關的工作，數(shù)據(jù)清洗、轉(zhuǎn)換、驗證等無縫處理結構化

&

非結構化數(shù)據(jù)Agent開發(fā)平臺????CortexLLMAgent

Evaluation：Document

AI：Doc轉(zhuǎn)成結構化數(shù)據(jù)

onlyCortexSearch：TEXT

only數(shù)據(jù)科學agent端到端的Agent效果評估模塊，支持

Human

Feedback

/?參與model開發(fā)的所有環(huán)節(jié)，例如：自動特征工程、提供智能模Expert

Review等機制型選擇、訓練等。CortexAnalyst：強調(diào)高準確度，但目前僅支持單表?Playground：?嵌入在Colab

notebook?

Cortex

Agent「preview」可以選擇基礎大模型和工具，探索性Agent的使用效果?Vector

Search：非結構化數(shù)據(jù)處理對話式分析在結構化和非結構化數(shù)據(jù)源之間進行協(xié)調(diào)，以提供洞察。規(guī)劃任務，使用工具來執(zhí)行這些任務，并生成響應。Cortex

Agent使用Cortex

Analyst

和Cortex

Search作為工具，與LLMs一起分析數(shù)據(jù)??用自然語言進行數(shù)據(jù)分析內(nèi)置向量檢索服務，Agent實時檢索各類Delta

Lake中非結構化嵌入在Looker、application數(shù)據(jù)AIQuery

Engine???以引擎的形式出現(xiàn)，統(tǒng)一納管多模態(tài)數(shù)據(jù)，納管速從數(shù)據(jù)到智能決策的過程。Data

&AI模型，加Snowflake

MLSnowflake

ML

提供端到端的機器學習服務，所有功能都在單一平臺上實現(xiàn)。統(tǒng)一的機器學習開發(fā)和生產(chǎn)環(huán)境，經(jīng)過優(yōu)化，可實現(xiàn)大規(guī)模分布式特征工程、模型訓練和推理，支持

CPU

和

GPU

計算，無需手動調(diào)優(yōu)或配置。同時處理傳統(tǒng)SQL和Gemini，以實現(xiàn)在運行時訪問現(xiàn)實世界知識、語言理解和推理能力。強調(diào)無縫處理結構化和非結構化數(shù)據(jù)例子：這些社交媒體圖片中包含的主要產(chǎn)品，是在哪些新興經(jīng)濟體國家生產(chǎn)的？騰訊云數(shù)據(jù)分析智能體為企業(yè)提供一個全托管的智能體服務，用于整合、檢索和分析結構化&非結構化數(shù)據(jù)，幫助用戶更直觀的理解數(shù)據(jù)，并提取有價值的洞察，從而支持更快、更準確的決策。騰訊云數(shù)據(jù)分析智能體TCDataAgent

應用規(guī)劃中靈活根據(jù)用戶話題自動構建數(shù)據(jù)工程Pipeline，完成項目開發(fā)、調(diào)試、調(diào)優(yōu)等工作一站式構建基于企業(yè)知識庫并與大模型無縫集成的智能搜索應用根據(jù)需求自動調(diào)用一體化平臺，自動生成數(shù)據(jù)科學Pipeline發(fā)起即時問詢，直接獲取數(shù)據(jù)結果或深度分析智能分析AgentAgent智能搜索Agent數(shù)據(jù)科學Agent數(shù)據(jù)工程騰訊云TCDataAgent技術架構Data

AgentData

Agent配置管理Agent服務層原子能力數(shù)據(jù)配置語義理解基礎服務工具管理模型服務Workflow

服務條件判斷NL2SQLCode

Gen提示詞管理記憶管理意圖識別多輪改寫自主規(guī)劃信息收集處理回復模型配置/規(guī)劃TCCatalog語義層AISearch意圖LLM

自動標注手動標注文檔理解標簽抽取DocumentAI記憶管理Semantic

ModelGraphHybrid

Search基礎能力數(shù)據(jù)集管理(訓練/評測)AI

GuardrailsTCLake混元大模型模型部署DeepSeek會話管理數(shù)據(jù)科學XparkRayon

TKE模型微調(diào)數(shù)據(jù)分析智能體：打通結構化與非結構化數(shù)據(jù)協(xié)調(diào)結構化和非結構化數(shù)據(jù)源，提供全面洞察，打破數(shù)據(jù)孤島關鍵能力智能交互AgentsTools數(shù)據(jù)源數(shù)據(jù)接入GUIAPI結構化數(shù)據(jù)?自然語言交互，支持自動拆解用戶需求，智能編排任務，自主運行和優(yōu)化任務，并詳細展示執(zhí)行過程TCAnalystMCP

連接記憶檢索聯(lián)網(wǎng)搜索代碼執(zhí)行解讀報告…Semantics

|NL2SQL

|CodeGen元數(shù)據(jù)獲取數(shù)據(jù)融合SDKMCP?結構化數(shù)據(jù)支持連接多種數(shù)據(jù)源，非結構化數(shù)據(jù)支持內(nèi)置知識庫和自有知識庫TCSearch非結構化數(shù)據(jù)文檔/圖片處理Embed|HybridSearch

|Rerank業(yè)務理解Document

AI?支持語義理解和配置，自動理解業(yè)務語境和業(yè)務規(guī)則適用場景???智能分析：智能數(shù)據(jù)分析、智能日志分析等智能檢索：AI

搜索、企業(yè)知識管理等數(shù)據(jù)科學：智能構建數(shù)據(jù)科學

Pipline，低門檻完成復雜分析任務數(shù)據(jù)分析智能體場景

——

智能問數(shù)定制式BI自助式BI對話式BI提出定制式需求根據(jù)需求自助拖拽根據(jù)需求自助問數(shù)ChatBI業(yè)務部門數(shù)據(jù)部門數(shù)據(jù)分析師自助式BI基層業(yè)務人員交付定制式報表自助化交付報表實時獲取數(shù)據(jù)結果響應時間：月級別周級別秒級別適用人群：老板、業(yè)務負責人等數(shù)據(jù)分析師基層業(yè)務人員學習成本：用戶數(shù)量：定制高0門檻個位數(shù)10人左右大量業(yè)務人員小白

都會用出結

果便捷

分析智能問數(shù)——智能選表&智能多表關聯(lián)用戶提問后，ChatBI支持根據(jù)數(shù)據(jù)表名稱、數(shù)據(jù)表備注、字段名稱、字段備注、關聯(lián)配置等信息進行語義理解后，智能選表/關聯(lián)回答智能選表用戶提問用戶提問“展示2024年全國的訂單情況”“顯示2024年上海倉的庫存情況”“展示2024年缺貨商品情況”數(shù)據(jù)表信息數(shù)據(jù)表信息銷售表

關聯(lián)

庫存表銷售表庫存表商品ID庫存量

…

………訂單ID商品ID需求量庫存量缺貨量…

…訂單ID

商品ID

需求量智能多表關聯(lián)關聯(lián)字段智能果智能選表結果智能問數(shù)——覆蓋各類數(shù)據(jù)查詢、計算、分析場景示例：“24年每季度廣告費收入和同比增長率分別是多少”示例：“25年公司所有產(chǎn)品的銷售額排名”示例：“2024年財經(jīng)欄目每個月的日活分別是多少”?

示例：“上周訂單的毛利率是多少”（毛利率=毛利/總金?

示例：“各個渠道的數(shù)量和占比”示例：“不同的品類的占比情況如何”額）數(shù)據(jù)分析智能體場景

——

智能搜索?

自動數(shù)據(jù)鏈路：支持用戶上傳文檔，自動進行數(shù)據(jù)處理、解析、向量化等步驟?

Document

AI：解析文檔中的多模態(tài)數(shù)據(jù)，針對結構化數(shù)據(jù)，進行自動提取，并導入數(shù)據(jù)庫進行精準分析?

知識庫集成：內(nèi)置全托管

ES知識庫，知識基于用戶第三方知識庫創(chuàng)建自有知識庫問題回答Source

1數(shù)據(jù)表?

聯(lián)網(wǎng)搜索：融合公共知識和私有知識，對數(shù)據(jù)進行全面檢索和解析Document

AI文本Source

2?

行業(yè)

解讀、咨詢報告智能檢索?

企業(yè)知識管理知識庫數(shù)據(jù)庫托管/第三方向量存儲數(shù)據(jù)存儲智能搜索——傳媒全模態(tài)知識庫建設智能應用自然語言問答智能問數(shù)趨勢分析自動摘要生成事件溯源…….知識庫分類構建文本知識庫鍵值數(shù)據(jù)庫文檔結構化數(shù)據(jù)庫數(shù)據(jù)科學結果庫知識圖譜庫專家模型數(shù)據(jù)科學數(shù)據(jù)聚類機器學習數(shù)據(jù)工程知識提取鍵值處理圖譜化知識處理數(shù)據(jù)智能體插件通用智能體插件知識分類文檔存量增量圖片/視頻音頻知識源市場分析用戶分析定期報告