以下是关于销售的 AI 智能体的相关信息：
领先的智能体公司似乎正在收敛于这种架构,这是在自主性和控制之间寻找的一种折衷方案。新兴的AI智能体示例包括[Sierra](https://sierra.ai/)、[Decagon](https://decagon.ai/)、[Maven AGI](https://www.mavenagi.com/)、[DevRev](https://devrev.ai/)和[Gradient Labs](https://gradient-labs.ai/)(用于客户服务和支持);[Factory AI](https://www.factory.ai/)和[All Hands AI](https://www.all-hands.dev/)*(用于软件开发);[Sema4](https://sema4.ai/)(用于财务后勤);以及横跨销售、安全运营和供应链等领域的许多其他智能体。
我们将探讨的第一类智能体是决策智能体，它们使用智能体决策制定在复杂、多步骤的推理流程中导航并做出业务决策。与RAG或工具使用方法不同，这种架构首次将一定的控制逻辑交给LLMs，而不是预先设定所有步骤-但仍位于智能体自由度范围的较低端，因为智能体主要作为路由器导航一组预先确定的决策树。让我们以[Anterior](https://www.anterior.com/)(前称Co:Helm)为例。该健康计划自动化公司开发了一个临床决策引擎,用于自动化理赔提交审核。护士们如今凭借装满条件知识(就像世界上最无聊的"自选冒险")的付款人规则手册,人工完成这些审核。Anterior简化了这个过程。该公司首先将付款方规则转换为有向无环图(DAG),使用基于规则的脚本和语言模型。然后,他们的智能体遍历这个决策树,在每个节点利用LLMs来评估相关的临床文件是否符合特定的规则。对于较简单的节点,这可能涉及基本的检索增强型生成(RAG)步骤。但是,Anterior经常遇到需要子链的更复杂的任务,在这种情况下,智能体必须选择最佳方法,然后才能进入下一个节点。它会在每次决策时更新自己的状态(在内存中管理这些中间输出),并一直进行到最终确定。前者并非独一无二的采取这种方法。其他领域也在利用决策智能体,包括[Norm AI](https://norm.ai/)正在为监管合规打造AI智能体,以及[Parcha](https://www.parcha.com/)正在为KYC建立智能体。
赛道说明|汽车品牌_赛题类别|领克汽车_AI座舱赛道|领克汽车_AI营销赛道|领克汽车_AI售后赛道||-|-|-|-||赛题说明|利用豆包大模型、扣子专业版以及吉利原子化能力，探索AI在智能座舱中的多样化应用，通过智能座舱内的智能体开发，满足车主定制化的需求。|利用豆包大模型和扣子专业版，开发出能高效投放广告、精准用户画像、提升销售能力、优化线索转化智能体方案，助力汽车行业实现高效营销。|利用豆包大模型和扣子专业版，提供创新且实际可行的智能体应用，提升汽车售后服务效率与用户体验，优化汽车售后服务体系，助力汽车行业智能化升级。||核心目标|通过扣子专业版的插件调用吉利座舱原子化能力自建车载智能体。<br>利用豆包大模型提升智能体的交互能力和智能水平。<br>开发的解决方案应具备实际应用价值，并能够显著提升用户体验。|智能体应能够在广告投放、用户画像、销售转化等方面提供创新解决方案。<br>通过创新营销玩法提高用户参与度，增强用户对品牌的认知和忠诚度，并有效收集意向人群线索。<br>需考虑公域和私域（如KOC、官方）的营销渠道，以及智能创作工具的应用。|智能体应能够在维修技术、门店服务、备件供应链等方面提供解决方案。<br>需考虑如何标准化维修技术方案，提升技师的工作效率。|AI座舱赛道-吉利模拟座舱原子化能力