能力详情

智能体

能查、能判断、能给建议的业务智能体,接到企微、PC、移动三端。

01 / 技术决策

三个绕不过去的取舍

每个都有代价,我们选了哪边、为什么。

工具怎么接:让模型自己调,还是写死流程

常见做法把工具列表给模型,让它自己决定调哪个
另一种把业务流程写死,模型只负责填参数
我们的做法流程骨架写死,分支判断交给模型
让模型自由调工具,在 Demo 里很惊艳,在生产里不可控 —— 同一个问题可能走三条不同的工具链,出问题无法复现。全写死又失去了智能体的价值。我们的做法是:主流程固定(先查台账、再查知识库、最后给建议),但「要不要查、查哪一类」由模型判断。这样既有可控性,又保留灵活性。

失败了怎么办:重试、降级,还是直接报错

常见做法失败就重试三次
另一种失败就降级到规则引擎
我们的做法按失败类型分流:网络类重试,逻辑类降级,权限类直接报错
无脑重试在工具本身报错时会放大问题(比如重复提交工单)。我们的分流规则是:超时与限流重试;工具返回「查无此项」降级到规则兜底;权限或参数错误立刻返回,不做任何重试。

人和智能体怎么配合:全自动还是人在环

常见做法全自动,人不介入
另一种每一步都要人确认
我们的做法读操作全自动,写操作要确认,高风险操作双人复核
全自动在查数据时没问题,但一旦涉及「修改台账」「提交审批」,出错代价很高。所以按操作性质分级:只读的放开,写入的弹确认,涉及删除或跨系统的要双人复核。
02 / 方案对比

同样是这件事,三种做法

没有最优方案,只有适配场景。

方案可控性覆盖面维护成本适合谁
纯提示词 + 单轮工具调用高窄(只能做单步)低问答助手、单一查询场景
固定工作流 + 模型填参很高中(流程覆盖到的才有)中流程稳定的业务,如报修、审批
流程骨架 + 模型决策 + 工具编排中高宽高(要持续调)多系统协同、需要判断的场景
可控性与覆盖面天然冲突。选哪个取决于「出错代价」和「场景复杂度」。
智能体处理链路 用户描述现象企微 / PC / 移动 意图识别分类 · 抽取关键信息 知识库检索关键词 + 向量双路 给出处置建议原因 · 步骤 · 是否报修 知识库402 条记录 · 66 台台账 · 55 类设备

我们做什么

  • 设备管家 · 展厅 AI 运维智能体
  • 402 条故障知识库 · 66 台设备台账 · 55 类设备
  • 企微 / PC / 移动三端接入
  • 智能体编排与工具调用

聊具体需求

交付形态

部署方式私有化 / 专有云 / 内网
交付内容系统 + 文档 + 培训
运维支持远程 + 现场
源码交付可谈
相关案例

已跑通的系统

客户名称按保密要求匿名。

自研产品 / 智能体

设备运维智能体(自研)

背景
场馆与实训中心设备种类多,故障排查依赖厂家,响应慢。
方案
故障诊断智能体:知识库驱动,能定位故障、给出处置建议,接入企微。
技术
故障知识库(402 条)· 设备台账(66 台 / 55 类)· 企微 / PC / 移动三端
成效
常见故障可自助排查,减少对厂家的依赖,处置建议可追溯。
港口 / 智能体 + 联盟链 + APP

某大型集装箱港口 · 智慧安全实训中心

背景
年吞吐量居国内前列的集装箱港口。原有培训以课堂讲授为主,高危作业实操训练无法覆盖。
方案
综合安全实训中心 + 培训考核平台 + 移动端学习。7 类考核系统、9 个软件模块、3 节点联盟链。
技术
FISCO BCOS 联盟链(PBFT)· 成绩单 SHA-256 上链 · node.js 后台 · Android 移动端 · 3D 模型交互
成效
培训记录可链上核验,成绩单防篡改;覆盖 55 类设备、66 台设备台账。

查看全部案例

03 / 实施路径

从零到上线分几步

顺序不能反 —— 先做写操作、先做多步编排,出错都很难查。

列出可用工具

把现有系统的接口整理成工具清单,每个写清入参、出参、失败返回什么。这一步不做,后面全是猜。

画一条最短闭环

选一个最窄的场景(比如「查设备上次维保时间」),从问 → 调工具 → 回答跑通。不要一上来就做多步编排。

加失败兜底

把每种失败情况列出来,定义处理策略(重试/降级/报错)。这一步决定智能体能不能上生产。

扩到多步

把相邻的两个工具串起来,加判断分支。每扩一步都要重跑回归用例。

接写入操作 + 人在环

最后才接会改数据的操作,并且必须有确认环节。顺序不能反 —— 先做写操作,一旦出错就很难查。

04 / 关键指标

能被验证的数字

不写形容词,写口径。

单次任务步数1–6 步 超过 6 步建议拆成多个智能体
工具调用成功率≥ 95% 低于此值先修工具,不调模型
端到端耗时3–20 秒 取决于工具响应与步数
人工干预率写操作 100% 确认 只读操作 0%
05 / 常见问题

技术负责人最常问的

这些是真实问过的问题,答案不带营销话术。

智能体会不会乱调工具?
不会,如果工具本身有权限边界。我们的做法是不给智能体超出业务需要的权限 —— 查询类工具只给读权限,写入类工具必须带确认。靠提示词约束权限是不安全的,必须靠系统权限。
多个系统接口不一致怎么办?
写一层适配。把各系统的接口统一成同一种工具描述格式(名称、参数、返回结构),智能体只看到统一的那层。这层适配是一次性成本,后面扩工具很快。
怎么知道智能体做得对不对?
建回归用例集。每次改提示词或工具,跑一遍用例,看通过率有没有掉。没有用例集的智能体,改一次崩一次,而且崩了不知道。
能不能对接企业微信 / 钉钉?
可以。我们做过企微、PC、移动三端接入,同一个智能体后端,前端按渠道适配消息格式。
本地部署要什么算力?
单机跑 7B 级模型 + 向量库,建议 24GB 显存起步;并发要求高时用多卡或加推理服务。具体按并发量与响应要求算。