我要投稿
微信搜一搜，关注“AI工程化”
整个流程作者是在dify中构建，从整个实现来讲还是非常清晰自然的。该公司分角色由Receptionist Agent，Customer Service Agent，Billing and Payment Agent，Electric Connection and Disconnection Agent，Outage Management Agent，Tech Support Agent构成，每一种Agent完成领域类的相关工作，。比如Receptionist Agent就负责将用户问题进行分类，分发给指定的Agent，这可以替代传统的人工派单。
为了让每一个专业agent完成相关任务，需要打造知识库以保证Agent能够利用它获知相关的领域知识和流程内容，不仅如此，还可以进一步的构建标准工作流，从而固化每个角色的工作行为（作者未实现）。
以上相当于构建了一个专业部门，接下来需要给该部门招收员工，其核心就是如何定义Agent的行为和能力。
通过以上几步的的构建，一个由不同角色的Agent员工构成的AI Native公司便成立了。下面是实际运行的效果展示：
利用dify的能力也可以对其执行链路进行分析，可以看到其任务分发的执行细节。
该案例，我们可以直接在coze上复现，作者提供了知识库的素材，大家可以在此下载使用(https://github.com/aniket-work/how_I_built_simple_BPO_Company)
通过以上示例，可以看到构建一个标准的BPO业务流程并不复杂，通过不断迭代可以使得其业务运营效率和运营成本将对传统公司带来降维打击，但不可否认从全人到全AI，这将是一个长期的演进过程，
53AI，企业落地大模型首选服务商
产品：场景落地咨询+大模型应用平台+行业解决方案
承诺：免费场景POC验证，效果验证后签署服务协议。零风险落地应用大模型，已交付160+中大型企业
2025-07-11
Dify v1.6.0：原生集成 MCP，实现 AI 能力的双向流通
2025-07-11
Dify 1.6.0 重磅上线：原生MCP 双向集成、结构化输出升级！
2025-07-11
Dify终于全面支持MCP了！就在刚刚，Dify发布V1.6.0版本，并宣布支持Anthropic 的模型上下文协议 (MCP)
2025-07-10
我用Dify打造了批量发票识别助手，一键识别上百张发票，这才是AI识别发票的正确方式
2025-07-10
Dify 中 Function Calling 与 MCP使用不同使用场景对比解析
2025-07-04
Dify中的sandbox服务
2025-07-04
将Dify对接到NextChat中的具体操作和原理
2025-07-03
dify 迎来重大更新！工作流调试工具也太实用了
2025-06-25
2025-06-04
2025-04-18
2025-04-28
2025-05-08
2025-06-03
2025-05-08
2025-04-14
2025-04-14
2025-06-02
2025-06-26
2025-06-17
2025-05-29
2025-05-28
2025-05-22
2025-04-27
2025-04-15
2025-03-20
回到顶部
粤ICP备17114055号