鼎铂智能 · 实践笔记
智能体和工作流怎么选
这是做方案时最常被问的问题,也是最容易选错的一个。选错的代价不是跑不起来,是跑起来之后你没法维护它。
一句话的判断标准
下一步做什么,事先能画出来,就用工作流;必须看完上一步的结果才能决定,才用智能体。
「客户来信 → 分类 → 查订单 → 按模板起草 → 转人工审核」,这条线你现在就能画在纸上,它是工作流。「帮我把这堆乱七八糟的供应商资料整理出一份对比表」,要先看看资料长什么样才知道下一步干什么,这是智能体。
工作流赢在三件事上
- 可复现。同样的输入,今天跑和下个月跑结果一样。客户投诉某一单回复错了,你能原样重跑一遍。
- 可回归。改了某个节点,拿几百条历史数据重跑,直接看出改动影响了哪些 case。智能体做不到这一点,因为它每次路径都不一样。
- 出错能定位。坏在哪个节点一目了然,而不是翻一长串思考记录猜它当时在想什么。
什么都做成智能体,代价是这三样
一是结果不稳定。同样的问题问两次得到两种处理,业务方会认为系统坏了,而你复现不出来。二是成本不可控,一个绕远路的智能体可以在一次任务里烧掉几十次模型调用。三是排查全靠猜,线上出问题时你面对的是一段自然语言推理记录,不是一条调用链。
这三样在演示阶段都看不出来,全部在上量之后爆发。
我们的做法:外层是图,个别节点里才放智能体
线上客服我们落成一张图:先判断客户这一轮在说什么,再决定要不要查订单、要不要检索知识库、要不要转人工,最后生成回复。判断、检索、改写、生成各是一个节点,节点之间的走向是代码决定的,不是模型自己想的。
只有确实需要临场探索的那一小段,才在节点内部放一个能自己调工具的智能体,并且给它设死最大步数。整体可控,局部灵活。
比选框架更重要的是工具怎么写
不管选哪种,最后决定效果的都是模型手里那几个工具。两条经验:工具说明要写清什么时候该调用它,而不只是写它是干什么的;工具的返回值要能区分「确认没有」和「没查成」——查询挂了却返回空结果,模型会把它当成「确认没有」,然后一本正经地告诉客户不存在这笔订单。这类 bug 查起来像模型幻觉,其实是代码问题。
我们把这些活接成能跑的系统:接你现有的系统和资料,AI 按你的流程执行,人只审核拍板,按替代掉的工作量结算。
说说你的情况,免费出一版方案