云厂商「进击」 Agent 开发平台

推荐语

腾讯云领跑智能体时代，率先推出全栈式Agent开发平台，助力企业打造数字员工。

核心内容：
1. 智能体作为"数字员工"如何重构企业服务模式
2. 企业自建智能体面临的四大核心挑战
3. 腾讯云ADP3.0平台的技术突破与生态优势

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

“如果我们说大模型是大脑，那智能体应该就是结合灵魂与肉体的新物种。”腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生在2025腾讯全球数字生态大会上AI Agent峰会上表示。

企业级智能体（Agent）市场的崛起正在重构云服务的竞争格局。这不再仅仅是算力资源的比拼，而是转向"智能即服务"的全面升级。传统IaaS、PaaS、SaaS的边界被打破，现在云厂商需要提供的，是从模型训练、Agent编排到业务集成的全栈能力。

当天的大会上，腾讯云宣布智能体开发平台3.0（ADP3.0）面向全球上线，腾讯优图实验室关键智能体技术将持续开源。

至此云厂商的Agent布局已经全面开始。

在其他云厂商还犹豫的时候，腾讯云已经全面发力。

01

Agent，才算是数字员工的雏形

腾讯云副总裁、腾讯云智能及优图实验室负责人吴运声

“现在我们见客户时，如果不聊智能体，客户甚至不愿深入交流，可见行业对智能体的重视程度。”在与AI科技评论交流时，腾讯云副总裁、腾讯云智能及优图实验室负责人吴运声谈到他在日常见客户时的一些趣事。

行业内旺盛的智能体开发需求可想而知。因为对于企业而言，Agent，才算是数字员工的雏形。它能将大模型的认知能力与具体业务场景的确定性需求相结合，通过任务拆解、工具调用和环境交互完成端到端的交付，进而为企业创造价值。

但是企业自己搭建Agent肯定是不现实的。在跟业内人士交流之后，AI科技评论总结出了企业自建智能体面临的四大困难：

第一是技术门槛极高。因为智能体开发涉及大模型精调、RAG、Agent协作等前沿技术，需要顶尖的AI算法、工程开发和运维团队，这类人才稀缺且成本高昂。

第二是算力成本巨大。训练和部署大模型需要庞大的GPU算力集群，基础设施投入、电力消耗和维护费用，所以现在的Agent开发商通常都是直接调用模型厂商的API，通常不会自己选择训练模型。

第三则是开发周期太长。今天想要从零构建一个稳定、高效且能处理复杂任务的智能体系统，需要漫长的开发、测试和迭代周期，而且还要确保Agent的准确性、安全性和稳定性。对于大部分的企业而言，即使是有足够的技术能力，也不一定有足够的时间窗口去开发一款Agent。

第四则是需要一个生态平台。Agent需要最新的模型、工具和插件支持，如果没有一个平台来提供这些基础设施，那么开发出来的Agent实用性着实有限。

这也能看出来，企业在开发Agent的过程中，谁能先解决这些问题，谁就是他们所需要的云平台。

Agent真的有价值吗？从增质提效上来说，Agent确实能帮大忙。比如腾讯云与邯郸公积金的合作中，公积金办理的大部分程序都被做成了工作流，从身份验证到咨询再到电子签全都一站式搞定，流程确实能大大加快。

今年以来，为了争夺企业用户，云厂商之间的竞争已经进化到了新阶段，从“提供计算能力”的供应商，转变为“赋能业务增长”的战略合作伙伴。而Agent就成为了云厂商的重要主题。

要为企业开发提供更强大的Agent编排工具和集成生态，那就需要云厂商洞察企业的更多需求，贴近场景，积累更多实用有价值的工具。比如说，企业有海量的内部资料需要有条理地管理起来，那就需要强大文档内容理解能力，不仅能识别文字，还能对复杂文档里的图、文、表进行准确识别与关联。

在这方面，腾讯云的做法更贴近场景。腾讯云的智能体开发平台3.0（ADP3.0）通过自研的Agentic RAG架构，可实现对复杂、多源信息的高精度解析与智能关联，支持跨文档检索、多步推理与图谱增强，显著提升问答完整性与准确性。

02

让智能体落地，不是易事

知识库的核心是RAG能力。如果说知识库就像一辆智能汽车，那么RAG就像是这辆车的“发动机 + 高精地图 + 导航系统”，它是实现智能驾驶的核心。

腾讯云副总裁、腾讯云智能产研负责人吴永坚介绍，在企业级RAG落地里面，面临的核心问题是：怎么把企业内部的海量信息、复杂知识精准解析出来，并且能够在实际场景上用得上。

腾讯云副总裁、腾讯云智能产研负责人吴永坚

第一个难点就是图文混排型复杂的文档解析。

有一个常见的场景就是，零售行业的说明书要做知识库处理，结果你会发现，传统的OCR技术是完全不够用的，因为有很多示意图和表格没有办法识别出来，用OCR处理一遍，很多信息都丢失了。企业面对这个问题，以前是很束手无策的。

另外一个以前很让人头疼的问题则是跨文档信息的关联。产品规格在A文档，故障解决方案在B文档，最新维修公告在C文档，这种案例到处都是。当用户问一个综合性问题时，传统RAG可能只会返回孤立的信息片段，逼着用户自己当“人肉拼图”，那这个服务就很不友好了。企业要的肯定不是这个，他们想要的是系统能自动把碎片拼成完整答案。

这次腾讯云ADP3.0着重针对了这几类场景做了升级。从传统的RAG已经升级到Agentic RAG，可以说是RAG的大跨越。

在Agentic RAG能力框架之下，文档解析现在用的是腾讯优图自研的OCR大模型，准确识别出来有插图、表格、公式等20多类的文档元素。还有一站式的检索引擎、图谱检索增强等等多重能力。

“找出所有还没有交付的订单，并按金额排序。”

以前这一句话，可能会带来很多工作量，现在在腾讯云ADP3.0的检索环节里面，引入了Agent的Text2SQL的能力，也就是能通过自然语言直连数据库，一句话，比如Agent就能自动生成并执行相应的SQL代码，从而直接从数据库中获取想要的信息。

想要让Agent准确执行任务，背后其实有三大技术挑战，首先是在模型层，模型既要理解复杂的指令，又要理解很长的上下文，这是Agent的“大脑”。其次在工具层，工具要从简单的API演进成复杂浏览器的操作和多工具的组合，API就能自动操作浏览器，这是“手”。第三是记忆，企业级上下文很长，包含大量信息，如果没有有效的记忆管理机制，Agent遇到这么大的上下文完全是Token的浪费。

腾讯云的做法值得借鉴。以QQ浏览器的下载助手为例，在模型层，做强化工具的调用，以及引入强化学习，让模型在复杂场景中能稳定输出正确的Function-Call，调用工具完成任务，提升任务完成率。

在工具层，让Agent在各种原子化工具中精准决策、合理编排顺序。以检索任务为例，腾讯云打造了WideTool WebQA，能自动拆解搜索词，并对结果摘要汇总，按需提供信息。借助优化工具，让Agent执行效率显著提升，任务可以完成得更快、更准。

在记忆管理层面，提出「动态无损记忆压缩」，核心思路是在存储时压缩，但不丢关键细节，需要时可原样恢复。在腾讯云的实验测试中，这种方式能够将7万多个TOKEN压缩到只有500个TOKEN。 Agent具备长时记忆，才能真正支撑企业级复杂任务。

同时，为了帮助企业真正将智能体落地到场景中去，腾讯云智能体开发平台的应用构建工具链也持续完善，引入自动化评测引擎，支持裁判模型、代码与规则打分。在权限管理上，在大规模知识场景中支持多层级权限配置。

与此同时，智能体开发平台上线模型广场，引入月之暗面、Minimax等优质模型资源，支持用户灵活调用。模型广场还与腾讯云TI-ONE平台打通，对于已在腾讯云TI-ONE平台拥有模型资源的用户，用户只需完成相应授权，即可将同账号下TI-ONE模型同步至智能体开发平台模型广场，并在应用开发中使用。

03

开源时刻，做大Agent市场的蛋糕

AI下半场的主角就是AI Agent。

大模型的赛场，已经很难再有代差级的领军者出现，Agent正在推动全行业投入到这个领域上来。但是论执行力和开放程度，腾讯云可能是目前力压群雄的一个。无论是持续迭代智能体开发平台的能力，还是将原来的产品Agent化，腾讯云都在传达这样一个信息：对于Agent已经全力以赴。

另外一个比较大的举措则是开源。9月上旬，腾讯优图实验室率先开源Youtu-Agent智能体框架和Youtu-GraphRAG知识图谱框架，这是国内乃至业界首个开源 Agent 框架，支持基于开源模型快速构建智能体，且在国外知名 Benchmark 中达到 SOTA 水平，这也是腾讯云智能体开发平台的底层核心框架。

这次开源，不仅让开发者和企业能更经济、高效地开发和部署智能体，更重要的是，它们提供了处理复杂知识和现实世界问题的强大新工具。可以说，以后会有越来越多的开发者会被吸引到开源框架上来，这个生态就成功了一半。

不论如何，云厂商的布局，已成为Agent技术发展的核心驱动力。开源核心框架也好、推出开发平台也好，都是在大幅降低AI智能体的开发与部署门槛。

反过来，这对云厂商也是一个良性循环。更低门槛吸引了更庞大的开发者生态与行业用户，海量的应用场景又持续反哺模型优化与平台迭代，最终转化为持续的商业模式升级与不可替代的生态优势。