背 景
1. AI智能体+作为当前最优的AI应用范式，已成为开发者的必备能力。
2. AI智能体开发框架已成为程序员必须掌握的新型开发环境，其地位类似于Visual Studio等传统开发工具。
3. AI Agent正推动“人机协同”成为新常态，标志着个人与企业正式迈入AI助理时代。它能够帮助未来企业构建以“人机协同”为核心的智能化运营模式。
4. AI Agent将变革未来生产力的组织形式，助力对抗组织熵增。未来，AIGC将推动企业工作任务日益原子化和碎片化，复杂流程将被无限拆解、灵活编排与重组，AI将持续挖掘每个环节的效能与潜力。
5. 从供给端看“人 + AI数字员工”的高效协同模式，将为大型企业对抗组织熵增提供理想的解决方案。
一、AI Agent是啥？
1. 基于大模型的AI应用
1）如果把大模型比作大脑，负责思考和理解，那 AI Agent 就像是小脑和手脚，负责协调和执行具体任务。
2） AI Agent 能够接收外部信息，利用大模型的推理能力进行分析判断，然后基于这些判断做出决策，并调用外部工具或接口来自动完成一系列工作流程。
2. 对话AI就是一个智能体
DeepSeek、豆包、Kimi、元宝这些，都属于对话智能体。它们接收用户的提问，经过模型推理后，生成相应的回答内容。这展示了 AI Agent 可以独立运行、自动化执行任务的能力。
3. 举例
比如做简历筛选，传统软件开发需要处理各种文件格式和排版，实现复杂的条件检索。而用 AI Agent 开发就简单多了：把简历导入知识库，利用 RAG 技术通过 AI Agent 开发框架调用，就能快速完成。这能把原本需要一个月的工作，缩短到一周内完成。
4. 与Copilot的区别
1）如果说 Copilot 是"副驾驶"，在你开车时提供导航和建议，那么 AI Agent 则更像一个初级的"主驾驶"**，可以在你的授权下，独立规划并执行一段路程。
2）Copilot 的核心是辅助生成内容，需要人来筛选和决策；而 AI Agent 则可以在设定好目标后，自动化地执行一系列任务流程。
二、智能体开发需要的技术栈
1、智能体的关键组件组成
Agent=LLM（选择大脑） + 规划技能（拆解工作，规划工作流） + 记忆（外部知识库，本地上下文） + 工具使用（对接外部应用）的基础架构。
1）基础大模型
负责知识推理和内容生成， LLM 扮演了 Agent 的 “大脑”，在这个系统中提供推理、规划等能力。
2）RAG开发框架，开发知识库
用来建立智能体或者企业的私有知识库，用来防止幻觉和增强行业知识和领域知识。
RAG就是通过检索获取相关的知识并将其融入Prompt，让大模型能够参考相应的知识从而给出合理回答。可以将RAG的核心理解为“检索+生成”，前者主要是利用向量数据库的高效存储和检索能力，召回目标知识；后者则是利用大模型和Prompt工程，将召回的知识合理利用，生成目标答案。
2、智能体开发框架
1）AI Agent开发平台和工具
应用开发的工具链，开发包的集合，各种组件和插件不断被开发出来。拖拉拽的开发工作流引擎，可以调用RAG，调用外部系统。发展越来越完善，越来能力越强。
2）智能体工作流开发框架，接收外部信息，检索知识库，检索结果叠加输入信息，调用基础大模型推理，根据生成内容进行工作流执行。
3、RPA工具
应用系统集成自动化工具，可以模仿用户输入操作，实现自动化应用执行。可以与AGent框架集成外部应用。
4、向量数据库，外部长期记忆
用来存储私有知识库，并提供检索索引能力，提高效率的的向量数据库和工具。
三、智能体开发的技术架构选型
核心的选择是大模型，大模型选择就是DeepSeek+其他，然后就是智能体开发框架，智能体开发框架 langchain用的比较多，这两个选择了，其他的就围绕这两个选就可以了。
1、选择基础大模型
选择应用合适的大模型，有商业化的也有开源的，现在的话LLM模型就选择DeepSeek就对了，多模态的没有公认的的，看看业务需要吧
2、选择智能体开发框架
1）国内：字节coze，阿里百炼，
2）国外开源：langchain，langgragh，dify这两个是公认比较好的，autoGPT，crewAI。
（1）低代码/无代码开发：提供用户友好的界面，通过可视化的方式允许开发者轻松定义Prompt、上下文和插件等。
（2）模块化设计：采用模块化的设计，每个模块都有清晰的功能和接口，可以根据需求选择性地使用。
（3）丰富的功能组件：包括AI工作流、RAG管道、Agent、模型管理、可观测性功能等。
（4）支持多种大语言模型：已支持OpenAI GPT系列等模型，并计划进一步扩展。
（5）数据处理和特征工程工具：提供了数据清洗、特征选择、特征变换等功能。
集成外部知识源：允许自定义API接入外部知识源，让大型语言模型深入理解企业知识和业务。
3、选择RAG框架，知识库管理
1)智能体开发框架一般会集成一个RAG的框架。RAGFlow图形化操作比较友好，txtai功能比较全，比较闭环。llamaindex。
2)RAG一般会集成向量数据库，数据治理结果存储在向量数据库。进行数据治理，基于RAG技术开发私有知识库，对知识库进行拆分
扩展方向建议
1. 多模态支持：集成 LLaVA 等视觉模型处理图片/PDF
2. API 扩展：添加企业内部系统接口（CRM/ERP）
3. 分布式部署：使用 Ray 框架实现计算资源扩展
4. 审计日志：记录完整的 Agent 决策过程
E N D
推荐阅读：
探寻医疗执业智能监管平台：筑牢医疗质量安全防线
私域运营SCRM系统解决方案
整合多渠道数据，开展个性化促销方案
AI 预问诊
数据服务平台
数据中台“一站式” 大数据开发及管理平台
诊所数字化监管平台
我们的业务
软件设计开发|信息化|系统集成|APP|小程序|公众号等设计开发维护
联系我们
|
公司官网
|
微信公众号
|
企业微信
|
