24年开始,我陆续给几个朋友的企业,做AI落地方向的技术产品顾问。
现在来看,当时的我把企业级AI工程化的落地,想得太简单了。
一方面,传统调参数式的模型调用,并不一定能满足实际业务需求。另外一方面,安全和生态整合,是绕不开的长期复杂工程。
说实话,当企业AI顾问,压力很大,交付很难,真正有产出有效果更不容易。
上个月,看到腾讯云智能体开发平台ADP,新上线了“智能工作台”。
我第一感觉是,终于有了个能「一句话用AI解决企业问题的好东西」,然后一想,似乎以前的公司AI顾问,都需要重新审视自己的价值了。
希望能给正在评估企业级Agent落地方案的朋友,提供一些真实的参考。
01
说话就能创建工作流,智能体开发更低门槛
第一次打开ADP智能工作台的控制台,感觉页面非常简洁。
没有满屏的术语和专业词汇,就是一个大大的输入框,写着一句话:“连接知识,开启智能工作方式。”
首先添加工作流生成助手 Skill,在对话框点击Skills,选择添加“ADP 工作流生成助手”。
试着输入了一个场景:@ADP 工作流生成助手 skill,帮我做一个财务报销审批的智能体。要求员工上传发票图片,自动识别发票抬头、金额、税号,跟公司财务系统的预算余额做比对,以及校验是否符合报销规则及对应额度,预算足够且条件满足就自动通过,预算不够就走人工审批流程。
我输完这段话,点了发送。
等我端着咖啡回来看到控制台界面的时候,已经看到反馈了。
工作了将近两百个节点,包括图像识别节点、条件判断节点、预算查询API调用节点、多轮对话节点,还有异常处理分支。
每个节点的参数都已经预设好,还自动关联了腾讯云官方提供的OCR插件。
我想搭建一个「客服助手智能体」,也是一样,说出具体诉求,就可以生成工作流。
说实话,那一刻我的技术自尊心,受到了一点小的冲击。
过去我做这种工作流,得先在白板上画流程图,然后写Node.js代码或者Python代码调各种SDK,调试不知道多少遍才能跑通。
现在一个业务人员,只要懂自己公司的业务流程,用自然语言描述出来,平台就能自动生成可执行的工作流。
特意花时间研究了一下,ADP背后的技术逻辑。
简单来说,它把整个智能体开发流程做了降维。
以前你得懂工作流引擎、懂API集成、懂提示词工程、懂RAG检索、懂多Agent编排。
现在这些复杂的技术细节被平台封装成了底层能力,在业务层面只需要做一件事,就是描述想要的业务流程是什么。
平台自动拆解你的需求,识别出需要哪些节点、需要调用哪些工具、需要什么样的分支逻辑。
可以直接生成完整的工作流,通过应用构建导入,再在画布上进行微调。
保存后就能发布到企业微信、公众号、小程序或者你自己的APP里。
除了工作流自动生成,让我觉得超出预期的另一个功能是多Agent自动编排。
我在真实场景应用的时候发现,ADP支持Multi-Agent模式,可以一句话自动创建一支会协作的Agent团队。
系统自动判断这个复杂任务需要拆解成几个子任务,每个子任务安排一个专门的Agent负责,Agent之间怎么协作、信息怎么传递,通通自动生成配置。
开发过复杂Agent系统的朋友都知道,多Agent协作最大的痛点不是单个Agent的能力,而是它们之间的沟通机制和任务分工。
传统做法需要手动配置每个Agent的角色定位、职责范围、转交规则、对话上下文管理,一套配置下来能让程序员掉一层头发。
但在ADP里,只需要在界面上选择多Agent模式,描述一下你想要的协作场景,剩下的事情平台自动搞定。
ADP把很多顶级的AI科研能力集成到了产品层面,但不是简单的能力打包,而是真正考虑到企业实际场景中怎么用起来方便顺手。
我觉得ADP智能工作台做的最对的一件事,就是它把门槛降低到了业务人员可以直接参与的程度。
在我过去两年的企业服务经验里,最大的障碍不是技术不行,是业务和研发之间的语言不通。
现在ADP让业务人员自己用自然语言描述业务流程,平台自动生成技术实现。
中间的翻译成本归零了。甚至老板本人都能直接下达一线命令。
这在我看来才是真正意义上的降低AI落地门槛。
02
企业真正关心的,是AI和旧体系的融合
说实话,光会搭建智能体其实不算什么本事。
拿市面上任何一个Agent开发框架,花点时间总能搭出来一个能跑的东西。
真正让我觉得ADP心思缜密的,是它这套被集成能力。
这就要说到我做企业服务以来最深的体会。
做再多漂亮的智能体应用,客户最关注的问题其实就一句话:你怎么跟我的现有系统待在一起。
他们用的不是腾讯的ERP,不是阿里的CRM,是自己花了十几年甚至几十年慢慢建起来的IT系统。
这些系统里有几十年的数据资产、大量定制的业务流程、严格的安全合规要求。
让企业把这一切推翻…