Dify构建全AI雇员的BPO公司示例，揭示AI Native公司的创建方法

最新推荐文章于 2024-09-19 20:02:47 发布

程序员笑武

最新推荐文章于 2024-09-19 20:02:47 发布

阅读量1k

点赞数 12

文章标签：人工智能开源 AIGC 计算机视觉深度学习

本文链接：https://blog.csdn.net/m0_59164304/article/details/140086867

版权

随着大模型能力的不断增强，以及被大众熟知，掀起了新一轮的“淘金”热潮，可以预见不断有新的场景会被挖掘。但与过去移动互联网和AI 1.0时代应用开发范式不同，基于平台的开发方式被广泛接受。这样的趋势催生了当前大量的开发者尝试利用Coze，Dify等低代码的LLM开发平台来实现自己的AI创意。无论有无编程经验，这类开发工具都能帮助他们渐进式地一步步完成自己的Bot开发。

在coze上已经有上万个bot，覆盖了各个领域，并且以此方式构建的应用不同于过去割裂的功能APP的形式，而是朝着闭环完成一个需求的方式演进。以“一分钟建站”为例，通过对话聊天，一气呵成完成了传统的需求定义，开发，部署全过程。这种新的产品开发模式值得每一个开发者和创业者关注。

如果说AI native产品应该关注是否全过程端到端的满足用户需求，尽可能交互体验自然化，减少信息和思维过载。那么，对于AI native公司应该关注Agent能够全链路端到端支撑公司业务SOP，尽可能的突破人对业务规模和效率的制约。

就打造AI Native公司来讲，最值得尝试的领域就是对于人员成本敏感的BPO（商务流程外包）业务，谁的成本低，谁就将在竞争中获得大的优势。

下面就是一个概念性的设计实现，来自于Aniket Hingane的文章[1]，能够借助AI agent完成客户服务、技术支持、计费与支付、停机管理、客户入职等业务过程。

整个流程作者是在dify中构建，从整个实现来讲还是非常清晰自然的。该公司分角色由Receptionist Agent，Customer Service Agent，Billing and Payment Agent，Electric Connection and Disconnection Agent，Outage Management Agent，Tech Support Agent构成，每一种Agent完成领域类的相关工作，。比如Receptionist Agent就负责将用户问题进行分类，分发给指定的Agent，这可以替代传统的人工派单。

为了让每一个专业agent完成相关任务，需要打造知识库以保证Agent能够利用它获知相关的领域知识和流程内容，不仅如此，还可以进一步的构建标准工作流，从而固化每个角色的工作行为（作者未实现）。

以上相当于构建了一个专业部门，接下来需要给该部门招收员工，其核心就是如何定义Agent的行为和能力。

通过以上几步的的构建，一个由不同角色的Agent员工构成的AI Native公司便成立了。下面是实际运行的效果展示：

利用dify的能力也可以对其执行链路进行分析，可以看到其任务分发的执行细节。

该案例，我们可以直接在coze上复现，作者提供了知识库的素材，大家可以在此下载使用(https://github.com/aniket-work/how_I_built_simple_BPO_Company)

通过以上示例，可以看到构建一个标准的BPO业务流程并不复杂，通过不断迭代可以使得其业务运营效率和运营成本将对传统公司带来降维打击，但不可否认从全人到全AI，这将是一个长期的演进过程，

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述