随着大模型能力的不断增强，以及被大众熟知，掀起了新一轮的“淘金”热潮，可以预见不断有新的场景会被挖掘。但与过去移动互联网和AI 1.0时代应用开发范式不同，基于平台的开发方式被广泛接受。为什么会这样？请参考笔者文章：一文探秘LLM应用开发(27)-编排与集成（大模型时代应用特点及编排与集成框架概论-1）。这样的趋势催生了当前大量的开发者尝试利用Coze，Dify等低代码的LLM开发平台来实现自己的AI创意。无论有无编程经验，这类开发工具都能帮助他们渐进式地一步步完成自己的Bot开发。
在coze上已经有上万个bot，覆盖了各个领域，并且以此方式构建的应用不同于过去割裂的功能APP的形式，而是朝着闭环完成一个需求的方式演进。以“一分钟建站”为例，通过对话聊天，一气呵成完成了传统的需求定义，开发，部署全过程。这种新的产品开发模式值得每一个开发者和创业者关注。
如果说AI native产品应该关注是否全过程端到端的满足用户需求，尽可能交互体验自然化，减少信息和思维过载。那么，对于AI native公司应该关注Agent能够全链路端到端支撑公司业务SOP，尽可能的突破人对业务规模和效率的制约。就打造AI Native公司来讲，最值得尝试的领域就是对于人员成本敏感的BPO（商务流程外包）业务，谁的成本低，谁就将在竞争中获得大的优势。下面就是一个概念性的设计实现，来自于Aniket Hingane的文章[1]，能够借助AI agent完成客户服务、技术支持、计费与支付、停机管理、客户入职等业务过程。
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，
[1]https://ai.plainenglish.io/how-i-built-a-simple-bpo-company-all-ai-employees-all-local-631e48fa908a
粤ICP备14082021号
免费POC，
零成本试错
