来也科技胡一川：AI Agent是大模型在企业中应用的最佳形态

以下内容为来也科技联合创始人兼CTO胡一川关于来也科技最新AI Agent产品和解决方案的详细解读。

大模型在企业应用中面临挑战

尽管大模型展现出了对于企业运营效率和生产力提升的巨大潜力，其在企业应用过程中仍面临诸多挑战，我们将这些挑战总结了以下三个主要矛盾。

1. 大模型存在幻觉 vs 企业业务容错性低。大模型在生成内容时可能产生不准确的结果，而企业的绝大部分业务往往容错性低，细微的错误都可能带来严重的影响。这种矛盾导致很多企业在实际业务中不敢大规模应用大模型。例如，在财务场景中，一个错误的数字可能导致巨大的经济损失。因此，如何提高大模型的准确性和可靠性，是大模型得以大规模应用的关键。

2. 大模型的输入长度有限 vs 企业海量领域知识。尽管大模型包含了广泛的通用知识，但在企业的专业领域知识方面却显得不足。解决企业具体业务问题往往需要深厚的领域知识和经验，而大模型在预训练阶段无法获取到这些数据。例如，在制造业，如果没有掌握详细的工艺流程和设备操作知识，大模型则无法优化和赋能生产过程。因此，如何将企业的专业领域知识与大模型结合，解决具体业务问题，是一个亟待解决的挑战。

3. 大模型内容生成能力强 vs 工作执行能力弱。大模型在生成内容方面表现优异，能够撰写文章、生成图片等，但在实际工作执行方面仍有不足。这种矛盾导致大模型在应用中面临“只会说、不会做”的局面。例如，在营销领域，大模型可以生成创意文案，但在实施营销活动时，还需要人的干预和执行。因此，如何增强大模型的工作执行能力，尤其是让大模型和人协同工作实现从内容生成到任务执行的全流程覆盖，是大模型在企业中落地的关键。

为了应对上述挑战，业界提出了AI Agent（智能体）的框架，以提升大模型在实际业务场景中的可用性和可靠性。具体而言，AI Agent以多模态大模型为底层驱动，以规划（Planning）、记忆（Memory）和工具使用（Tool Use）为关键模块。规划模块使用反思、推理等机制，使AI Agent能够处理复杂的任务。记忆模块则利用短期记忆和长期记忆能力，将专业的领域知识注入AI Agent，有效抑制大模型的幻觉。工具使用模块则通过代码生成、函数调用、UI自动化等方式使得AI Agent具备和实际业务系统和数据联动的能力。因此，AI Agent能够有效的解决大模型在企业落地时面临的挑战，成为每个员工的智能助手，是数字员工的重要发展方向。下面我们来回顾一下数字员工的发展历程。

数字员工进入AI Agent时代

近年来，数字员工在企业中的应用不断拓展，帮助提升运营效率和优化业务流程，成为企业数字化转型的重要抓手。数字员工的发展可以分为三个主要阶段，每个阶段都标志着技术进步带来的应用场景扩展。

阶段一：RPA 自动化

在这一阶段，数字员工主要通过机器人流程自动化（RPA）技术，代替人类完成高频率、重复性的任务，包括数据抓取、数据录入以及跨系统操作等。RPA的引入使得企业能够显著减少人力成本，提高数据处理的准确性和效率，并实现24/7不间断的业务处理。因此，这一阶段的关键词是“自动化”。

阶段二：RPA+AI 智能化

随着人工智能技术的发展，数字员工进入了RPA+AI阶段。在这个阶段，数字员工不仅能够执行自动化任务，还能借助AI的能力，处理更复杂、更智能的任务。比如，通过自然语言处理（NLP）技术，数字员工可以进行文档处理和智能问答，自动化完成传统RPA无法完成的工作。通过机器学习算法，数字员工能够进行数据分析和预测，为企业提供更精准的决策支持。这一阶段标志着从“自动化”到“智能化”的跨越，使数字员工在更多和更复杂的业务场景中得以应用。

阶段三：AI Agent 人机协同

如今，数字员工正迈入AI Agent阶段。这个阶段的数字员工充分利用多模态大模型的理解、生成和推理能力，成为每个员工全天候的智能助理。这意味着AI Agent不仅能执行任务，还能理解用户的意图和复杂的业务情境，主动为员工提供实时的建议和支持。例如，在客户服务场景中，AI Agent能够快速检索和分析历史记录，为客户提供个性化的服务建议。因此，这一阶段的关键词是“人机协同”，它标志着数字员工与人类员工之间的无缝合作，将企业的工作模式和运营效率提升到新的高度。

当然，这三个阶段解决的是不同的问题，因此他们的关系并不是相互取代，而是相互补充。AI Agent作为数字员工的第三阶段，大大提高了数字员工能够处理业务的复杂度，以及覆盖员工的规模，让“每个人拥有智能助理”成为可能。

高价值、可落地的AI Agent场景

本次Laiye Lead发布会，我们重点针对三个高价值、可落地的场景发布了AI Agent产品及解决方案。通过这些场景的应用，展示了AI Agent在实际业务中的巨大潜力。

数字员工开发助手

开发成本高是阻碍数字员工规模化应用的主要障碍。去年我们推出了RPA魔法帽，利用大模型生成RPA流程代码，提升了开发效率。今年，我们借助多模态大模型，推出数字员工开发助手，在代码生成、插件开发、流程自愈等方面全方位赋能开发者。例如，通过数字员工开发助手，开发者不仅可以快速生成复杂的流程自动化代码和插件，还能够自动分析和修复运行过程中的出现的异常，显著减少开发成本和维护成本。

知识管理和问答助手

企业中存在大量散落各处的专业知识文档，难以有效管理和使用。针对这一痛点，我们推出了知识管理和问答助手，旨在成为专业领域知识工作者的得力助手。结合RPA、IDP、大模型等技术，知识管理和问答助手可以自动整理和分类企业的知识文档，实现高效的知识管理、检索和问答。例如，在医药行业，知识管理和问答助手可以帮助研究人员快速查找相关医学文献和实验数据。

文档审核助手

企业中有大量文档需要审核，以识别和规避风险。过去，这类工作主要依赖人工完成，工作量大且容易出错。我们推出的文档审核助手，从根本上改变文档审核的工作方式。通过简单的配置，文档审核助手就能够自动识别文档中的潜在风险点，并给出审核建议。例如，在制造业，文档审核助手可以审核供应链中的合同、票据等多种文档，确保各项合规要求得到满足，同时大大提升文档审核的效率。

上述AI Agent均由来也科技的数字化劳动力平台进行开发和应用，通过这些高价值、可落地的应用场景，我们相信会有更多AI Agent在企业实际业务场景中落地。

展望未来

上面介绍的数字员工开发助手、知识管理和问答助手、文档审核助手，只是数字员工进入AI Agent时代的开始。展望未来，来也科技的数字化劳动力平台将持续在多模态大模型，以及AI Agent的规划（Planning）、记忆（Memory）和工具使用（Tool Use）等关键方向上进行技术和产品创新，帮助客户在业务场景中落地更多高价值的AI Agent，为组织和个人的工作方式带来前所未有的变革。

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。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】