Agentic Automation：基于Agent的企业认知架构重构与数字化转型跃迁---我的AI经典战例

文章目录

- Agent=代理
- - Agent组成
- 我在企业实战AI Agent
- - 企业痛点
  - 我构建的AI Agent App
- 项目开源 & 安装包下载

大家好，我是工程师令狐，今天想给大家讲解一下AI智能体，以及企业与AI智能体的结合，文章中我会列举自己在企业中Agent实战项目，方便大家更好的理解这个概念，理解智能体与企业的关系。

今天讨论这个话题是因为：AI Agent被认为当前最有可能实现AGI之路。

Agent=代理

AI Agent智能体其实通俗的说就是代理的意思。让AI代理人去理解、决策、实施项目。

在这里插入图片描述

我们参加高考，考大学上岸，整个高中三年的备考则是一个复杂的过程，我们可以通过这个过程去理解AI Agent。

在这个备考的过程中，我们需要理解如下的概念：

人设
目标
工具

整个事件的执行，我们需要知道：

人设：学生
目标：考大学
工具：习题册、学校、教师

我们现在需要通过AI Agent来完成高考这个事件，那我们应该如何做呢？

首先我们要明确的是，在agent系统中，大语言模型LLM对标的是人类的大脑。我们需要给这个大脑一些提示词，这个提示词里要加入人设。告诉大语言模型：你现在是一个学生，并且给它讲明白，它的目标是什么。它的目标就是考大学！在准备的过程中，agent系统需要用到 工具。

这里我们说到工具，可以把工具理解成：

网络访问
数值计算
代码运行
文件访问
数据库访问
…

通过上诉的类比，我们发现agent系统其实和人思考决策执行非常像，我们把agent系统拆分一下，其实agent系统就可以分为两部分：计划和动作部分。

Agent组成

如上说，我们可以把Agent系统划分为：

计划
动作

这种思想来自于人类对事物的决策与执行。

在这里插入图片描述

我们给Agent相应的提示词以后，Agent系统就会给我们返回：

推理过程
拆分小目标
现在要执行的动作

也就是说让AI来决策我们下一步要做什么，怎么做，分几步！

我们把上面Agent系统推理结果作为新的参数继续导入到agent系统中，又让Agent系统返回新的推理过程、小目标、执行动作，如此反复，Agent系统就会像圣人一样将繁杂事物倒推结果，并能给出每一步的步骤，去自动执行！

在这里插入图片描述

上面的执行过程也会被保存到相应的记忆模块中，进行不断泛化。真正决定这个AI Agent质量的就是它的 推理能力。也就是大模型的 推理能力。

在我下面的实战过程中，我将充分利用大模型的 推理能力 实现AI Agent案例。这个场景我将选择企业作为背景。

在这里插入图片描述

我在企业实战AI Agent

好了，接下来来到了喜闻乐见的实战环节。

我们需要明确我们的目标是：

构建这个AI 智能体是要让那些没有编程能力的人能通过AI完成编程任务。【比如，我们公司是做洗衣服的，要让那些工厂的配送员、洗衣服的同事能直接绕过研发部门自己实现编程目标，而不是一定需要研发部的程序员事先编号程序给他们用。】
通过自然语言完成编程实现，门槛拉到最低。没有研发经验的产品经理能给直接将自己的想法进行实现。

企业痛点

企业初期，部门解耦是一门学问，职责划分不明确是初创企业常见的痛点，因为初创企业需要效率，要保证业务持续增长，那么企业的重心就会聚焦在业务上，这个时候精力无法顾及到管理体系本身。大家都要完成各自的指标，部门沟通会成为一个问题：大家都来研发部找人直接对接，直接询问问题，研发部的效率会因为大量琐碎的干扰产生影响。

比如，一个非常小的公司，非常适合扁平化管理模式，因为人不多，所以老大点对点和每个人沟通效率反而更高。但是一旦公司开始人数变多，业务也会消耗管理者大量精力，如果没有做好部门解耦、规范化提流程，效率就会成为问题。

那有没有可能让其他部门的员工来研发部门之前自己就能解决他们想解决的问题呢？

当然，我们可以构建一个AI Agent，让其他部门的员工先和大模型对话，大模型帮你决策给你指导意见与解决问题的办法，甚至帮你完成目标，实在解决不了在对接研发部的同事。

我构建的AI Agent App

趁着放假之余，我开发了一款专注企业AI Agent 应用，主要基于我们公司的场景定制化开发，当然其实其他公司也能适用。

我的应用包括：

服务端 [大模型推理]
客户端 APP

在这里插入图片描述

那么我要实现的功能如下：

我希望构建一个Agent，这个agent能帮助我把自然语言转换成SQL、Java 业务代码
Agent将SQL或者Java程序自动执行并返回结果
利用手机APP保证通信安全
利用大模型的推理能力实现Agent

当其他部门的同事，比如客服部门的同事希望找到公司后台管理系统中某个人的相关信息，他不需要来研发部门找研发的同事、田主询问，他及时不懂技术，不懂mysql，但是他能通过智能体直接完成数据的查询。

在这里插入图片描述

如上是app功能展示。

除了上面的功能，还有很多你意想不到的高级功能，这些功能正是基于大模型的推理能力完成的。

那为什么我要做成app呢？因为app和服务端还是采用http传输，只用当终端连接了我的热点或者公司热点的时候才能使用。

其实这个agent最大的好处就是，其他部门的同事并不用什么事情都需要找研发的同事获取后台管理、数据库里的数据信息，其他部门的同事可以直接通过agent获取信息，对于一些数据的计算、业务逻辑的梳理智能体能通过自身推理能力帮你解答，甚至帮你完成某些动作：比如删除后台系统中的数据，这个时候后台系统就不在仅仅是研发部的程序员们掌管了，一旦老板授权了公司员工权限，公司上上下下的员工都能通过智能体直接操作公司核心数据。

在这里插入图片描述