AI Agent 的场景化开发实战
一、AI Agent 技术趋势与行业应用
01
从大模型的接入到智能体构建的技术跃迁
02
AI Agent技术演进与产业价值
03
大模型构建数字生产力的两种范式
04
MCP：从动嘴皮子的顾问到拿结果的生产力
05
单智能体架构：LLM+工具调用+记忆模块
06
多智能体协作机制：意图判断、条件判断
07
AI Agent 设计“四步法”：场景拆解→角色定义→逻辑编排→调优部署
二、“工作 + AI”场景，赋能工作提效
08
通过单智能体构建个人 AI助力
09
实战应用：智能体接入浏览器网页工具栏
10
实战应用：智能体接入鼠标划词工具栏
11
典型场景：研发部门基于 Git 提交记录自动生成测试用例
12
典型场景：Midjourney + 参数化设计（概念车外观生成）
三、“业务 + AI”，构建数字员工
13
实战应用：企业文档（如质量标准、工艺手册）的知识清洗构建语料数据
14
实战应用：根据萃取的业务流程进行智能体的编排
15
实战应用：集成审批系统 API（如通过 Power Automate 触发审批流程）
16
典型场景：自动生成维修方案（结合故障码与历史案例库）
四、“AI x 业务” ，融入业务系统
17
实战应用：集成审批系统 API（如通过 Power Automate 触发审批流程）
18
实战应用：生产部门焊接质量检测报告自动生成（OCR 识别 + 模板填充）
19
实战应用：预测性维护Agent（时序数据分析+设备故障预警，非计划停机减少30%）
20
实战应用：售后体系多Agent协作（故障诊断→备件调度→客户通知