Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI在企业落地

Answer

企业落地 AI 可以参考以下内容：

  • Anthropic 在 AI Engineer Summit 2025 上分享了相关最佳实践，并总结了常见错误。核心挑战包括如何入手、如何评估效果、技术选择困惑（如是否需要微调）。关键经验是评估先行，明确“智能度、成本、延迟”之间的平衡，避免过早微调，先进行基础优化。例如 Intercom 通过评估优化 AI Agent Fin，使其处理 86%的客服请求，其中 51%无需人工介入。相关链接：https://baoyu.io/blog/anthropic-ai-best-practices-common-errors 、https://x.com/dotey/status/1894784214257615022
  • 影刀 RPA+AI Power 方面：大模型有输入和输出限制，AI Power 集成丰富组件及技能组件可拓展 AI 服务能力边界，打造 AI Agent，如搜索引擎组件可让 AI 接入互联网获取实时信息，RPA 组件可直接调用影刀 RPA 客户端应用实现自动化操作。其具有无缝多样的使用方式，如嵌入方式包括网页分享、对话助理、API 集成等。企业系统分散，AI Power 提供多种调用方式方便企业灵活选择接入方式。此外，影刀 AI Power 为企业提供教学培训、技术答疑、场景共创等贴身服务支持，帮助企业把 AI 落地。

此外，相关知识库还介绍了面向学习者、创作者和企业的不同服务：

  • 面向学习者：社区提供清晰学习路径，学习者通过丰富课程、活动和竞赛提升自己，积累能力成为高素质 AI 人才。
  • 面向创作者：创作者掌握 AI 技术利用社区资源创作，满足企业需求，为社区发展注入活力。
  • 面向企业：链接 AI 产品和传统企业，通过与社区合作获得优质内容与服务，从学习者中获取潜在流量。社区合作实践为学习者和创作者提供应用场景和技术经验。
Content generated by AI large model, please carefully verify (powered by aily)

References

宝玉 日报

?宝玉日报「2月26日」✨✨✨✨✨✨✨1⃣️?企业如何落地AI？Anthropic分享最佳实践与常见误区Anthropic在AI Engineer Summit 2025上分享了企业应用AI的最佳实践，并总结了常见错误。核心挑战：如何入手、如何评估效果、技术选择困惑（如是否需要微调）。关键经验：评估先行，明确“智能度、成本、延迟”之间的平衡，避免过早微调，先进行基础优化。案例分析：Intercom通过评估优化AI Agent Fin，使其处理86%的客服请求，其中51%无需人工介入。?[https://baoyu.io/blog/anthropic-ai-best-practices-common-errors](https://baoyu.io/blog/anthropic-ai-best-practices-common-errors)?[https://x.com/dotey/status/1894784214257615022](https://x.com/dotey/status/1894784214257615022)2⃣️⚡用飞书+DeepSeek R1搭建自动化AI工作流

详解：影刀RPA + AI Power

大模型只能接收特定类型的输入内容，并按要求输出结果，但无法直接代替用户自动执行操作，这就极大限制了AI的能力，在实际的业务场景中仍需要大量的人工配合才能发挥作用。AI Power集成了丰富的AI组件及各种技能组件，可以极大地拓展AI服务的能力边界，打造AI Agent。比如搜索引擎组件可以让AI接入互联网获取实时信息，RPA组件可以直接调用影刀RPA客户端应用，从而实现AI自动化操作等。[heading2]无缝多样的使用方式[content]嵌入方式：网页分享、对话助理、API集成等企业有非常多分散的系统，对外的官网、客服群，内部的OA、CRM、ERP等，业务数据全都分散在这一个个信息孤岛上，很难用一套方案打通所有系统。AI Power提供网页使用、API对接、影刀RPA内置指令等多种调用方式，方便企业在不同的业务场景下灵活选择最适合的接入方式，让内部员工、外部客户等便捷地与AI交互。[heading2]贴身的企业级服务支持[content]服务内容：提供教学培训、技术答疑、场景共创等方面的贴身服务大模型类的AI对大部分企业来说都是新东西，企业既缺少对应的开发经历，也缺少相关的人才储备，从0开始非常困难，也容易走弯路。影刀AI Power拥有完整的产品运营、客户成功、技术支持团队，为每个客户提供贴身服务，帮助企业把产品用起来，把AI落地下去，找到最佳实践，助力业务成功。

知识库介绍说明

社区为学习者提供清晰的学习路径，从AI基础知识到进阶技术，逐步培养他们成为创作者和引领者。学习者通过社区内丰富的课程、活动和竞赛不断提升自己，逐步积累能力，最终成为企业所需的高素质AI人才。[heading3]面向创作者[content]创作者通过掌握AI技术，利用社区的资源创作出优质的内容与服务，帮助企业在实际业务中应用AI技术。创作者的技能提升和内容创作，不仅满足企业的需求，也为整个社区的发展注入了活力。[heading3]面向企业[content]链接AI产品和传统企业，通过与社区合作，获得优质的AI内容与服务，并从学习者中获取潜在的工具推广流量。企业在社区中的合作实践为学习者和创作者提供了宝贵的应用场景和技术经验，共同推动社区在AI领域的探索与发展。[heading1]3000+精华文档｜100W用户｜2000W访问[content][heading1]学习路径规划｜学习方法论｜最新最精华内容[content][heading1]鼓励组队共学｜每周直播共学｜上千人同时在线学习[content][heading1]175所校园学习+创业路演｜挖掘孵化潜质人才[content][heading1]社区成员：5岁孩童-70岁终身学习者[content][heading1]AI切磋大会1000人同时线下交流技能交换[content][heading1]共创者引领者[content][heading1]最全最新的提示词教程和创意[content][heading1]全球顶尖开发者艺术家｜行业落地者[content][heading1]包揽各大Agent平台比赛大奖[content][heading1]最优质的模型作者｜创新玩法，把AI玩成竞赛[content][heading1]AI视频创作者生态发源地[content][heading1]品牌传播｜挖掘企业产品特性创新品牌力并传播[content][heading1]活动策划｜让创作者引导学习者使用企业产品[content][heading1]新品发布｜组织策划及社区人气共创[content][heading1]组织国际会议｜邀请海内外讲者和艺术家SoVG[content][heading1]人才输送和行业数据咨询服务[content]

Others are asking
AI产品经理招聘
以下是为您整理的 AI 产品经理招聘信息： 特看科技： 岗位要求： 负责 AI 视频工具方向产品工作，对生成式 AI 产品有一定研究，熟悉 Transformer 和 Diffusion 模型的优先。 英文好，有海外产品经验优先，有内容工具或 SaaS 产品经验优先。 2 年以上产品岗位经验，职级根据经验能力制定，对标阿里 P6P8 区间。 您能得到： 确定性的商业化应用场景，已有大量品牌客户。 初创公司充沛的早期期权池。 强大的工程师团队，将新技术快速落地应用。 最高可到合伙人级别。 加分项：有电子商务、企业服务、人工智能、海外产品等行业经验。 联系方式：欢迎推荐或自荐简历至 qingshen@tabcut.com，或飞书与@清慎联系。 阿里大文娱妙鸭团队： 工作地点：北京 职位要求： 熟悉图像、视频、文本领域的前沿大模型和应用。 对算法能力边界有很好的感知。 有某一场景下的大模型微调和应用的项目经验。 联系方式：欢迎推荐简历至 xiaocen.cxc@alibabainc.com 其他： 职责描述： 负责基于通用人工智能技术（AGI）的智慧医疗诊断产品的规划、研发、发布上市的全过程管理。 通过市场调研和分析，开发满足客户需求的产品或服务，为公司制定产品战略。 制定并执行产品开发计划和目标，协调项目相关人员，推动产品开发工作的顺利进行。 提出产品优化建议，推动产品快速迭代，并协调增长部门实现产品的持续增长。 任职要求： 本科及以上学历，计算机、信息技术、工程、检验、生物科学、细胞生物学等相关专业优先考虑。 具备 3 年以上产品管理经验，有医疗领域产品管理经验者、有极致产品案例者优先。 在产品创新、研发、迭代改进及商业化方面有丰富的项目管理经验。 对客户需求具有高度敏感度，熟悉竞品分析、定价策略。
2025-04-15
金融业相关AI应用场景或AI技术介绍
在金融业中，AI 有以下应用场景和技术： 1. 风控和反欺诈：用于识别和阻止欺诈行为，降低金融机构的风险。 2. 信用评估：评估借款人的信用风险，帮助金融机构做出更好的贷款决策。 3. 投资分析：分析市场数据，辅助投资者做出更明智的投资决策。 4. 客户服务：提供 24/7 的客户服务，回答客户常见问题。 例如，Hebbia 获得近 1 亿美元 B 轮融资，其 AI 技术能够一次处理多达数百万份文档，在短时间内浏览数十亿份包括 PDF、PowerPoint、电子表格和转录内容等，并返回具体答案，主要面向金融服务公司，如对冲基金和投资银行，同时也适用于律师事务所等其他专业领域。
2025-04-15
AI meeting summary tools
以下是一些 AI 会议总结工具： ：这是一款 GDPR 合规的 AI 会议助手，专为 Zoom、Google Meet、Microsoft Teams 会议设计，能够根据用户的指令制作定制笔记，将长时间录音压缩成 2 分钟会议摘要，以用户偏好结构和语言编写笔记，捕捉重要细节，用户可连接日历让其代做笔记，提高效率，其笔记功能出色，能识别行动项提高会议效率，远超其他提供商。
2025-04-15
AI Agents（智能体）
AI 智能体（Agents）是人工智能领域中一个重要的概念： 1. 从 AGI 的发展等级来看，智能体不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 2. 作为大模型的主要发展方向之一，智能体中间的“智能体”其实就是大模型（LLM）。通过为 LLM 增加工具、记忆、行动、规划这四个能力来实现。目前行业里主要用到的是 langchain 框架，它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。 3. 从智能体的起源探究来看，心灵社会理论认为智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。心灵社会将智能划分为多个层次，每个层次由多个 Agent 负责，每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务。同时存在专家 Agent、管理 Agent、学习 Agent 等不同类型的 Agent 及其相应功能。从达特茅斯会议开始讨论人工智能，到马文·明斯基引入“Agent”概念，“AI”和“Agent”就彻底聚齐，往后被称之为 AI Agent。
2025-04-15
B端AI Agent
以下是关于 B 端 AI Agent 的相关知识： 一、概念定义 1. 智能体（Agent）简单理解就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。随着 ChatGPT 与 AI 概念的爆火，出现了很多相关新名词，如 bot 和 GPTs 等。AI 大模型是技术，面向用户提供服务的是产品，因此很多公司关注 AI 应用层的产品机会。 C 端案例：如社交方向，用户注册后先捏一个自己的 Agent，然后让其与他人的 Agent 聊天，两个 Agent 聊到一起后真人再介入；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：字节扣子和腾讯元器若为面向普通人的低代码平台，类似 APP 时代的个人开发者，那么帮助 B 端商家搭建 Agent 就类似 APP 时代专业做 APP 的。 2. 智能体开发平台：最早接触到的扣子 Coze 是通过一篇科技报道，如 2 月 1 日，字节正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。国内还有很多智能体开发平台，如 Dify.AI，但个人较常用的是扣子，所以常对比字节扣子和腾讯元器。 3. 关注智能体的原因：目前 AI Agent 的概念在市场上未达成共识，存在被滥用现象。AI Agent 指的是一种智能代理系统，接近人类大脑，可形成记忆、达成行动规划、自动交互、主动预测。其应用具有个性化、自主完成任务、多 Agent 协作等特点。目前 AI Agent 应用大多集中在 2B 场景，面向个人消费者的产品少，一方面是高度智能化的 Agent 能力需打磨，概念落地有距离；另一方面是 AI 和娱乐消费诉求结合少，主要带来生产方式和效率变革，个人消费者方向目前只看到“私人助理”场景。
2025-04-15
我想做电商主图，用什么ai
如果您想制作电商主图，可以考虑以下几种 AI 工具和方法： 1. Midjourney：通过输入相关关键词，如“Guerlain Perfume,plant flowers,top light.cean natural backaround with water,saturation color scheme.The productis bright,Motled shading,studo lighfing,contrast high precision,Fine gloss,Centered composition,Photography,HD4Krealism–q 2–v 5–s 750–ar 9:16”，生成图片后再进行后期修改调整和文字排版。 2. Stable Diffusion：对于运营网店的女装店主，可采用局部重绘的方法。先真人穿衣服拍照，获取真实质感的照片，选好真人照片风格的底模，如 majicmixRealistic_v7，再根据不同平台需求换头，如面向海外市场换白女头，然后在图生图下的局部重绘选项卡下涂抹自己替换的部分，并设置相关的 prompts 和 parameters，如“breathtaking cinematic photo,masterpiece,best quality,,blonde hair,silver necklace,carrying a white bag,standing,full body,detailed face,big eyes,detailed hands”。
2025-04-15
公共议题:AI如何助力HR业务? 研讨目标： 深入理解:深入探讨 AI在人力资源管理领域的应用、薪酬管理、员工关系、公司文化、包括人才获取与配置、学习与发展、组织与人才培、HR共享与HRIS等各模块的可应用场景 机会识别与场景落地:基于组织现状，识别出业务价值高、可落地的 A 应用场景; 研讨成果(输出物)： 请输出10个业务价值高、具备可行性的AI应用场景介绍，并说明what(场景是什么)、why(为什么值得做)、How(如何落地);
以下是为您生成的 10 个业务价值高、具备可行性的 AI 应用场景介绍： 1. 人才招聘与筛选 What：利用 AI 技术对求职者的简历进行自动筛选和分析，评估其与岗位的匹配度。 Why：节省 HR 大量的时间和精力，提高招聘效率和准确性。 How：通过自然语言处理和机器学习算法，训练模型识别关键信息和技能。 2. 员工培训与发展 What：根据员工的技能水平和职业发展目标，定制个性化的培训计划。 Why：提升员工的能力和绩效，增强员工对企业的忠诚度。 How：利用大数据分析员工的工作表现和学习需求，推荐相关课程和学习资源。 3. 薪酬福利管理 What：运用 AI 预测市场薪酬趋势，为企业制定合理的薪酬策略。 Why：保持企业薪酬的竞争力，吸引和留住优秀人才。 How：收集和分析行业薪酬数据，结合企业的财务状况和战略目标进行优化。 4. 员工绩效评估 What：借助 AI 实时监测员工的工作表现，提供客观的绩效评估。 Why：减少人为偏差，确保评估的公正性和准确性。 How：利用工作流程数据和行为分析模型进行评估。 5. 员工关系管理 What：通过 AI 分析员工的情绪和满意度，及时发现问题并解决。 Why：营造良好的工作氛围，提高员工的工作积极性和创造力。 How：使用情感分析技术处理员工的反馈和交流信息。 6. 组织架构优化 What：利用 AI 分析企业的业务流程和人员配置，提供组织架构调整建议。 Why：提高企业的运营效率和灵活性，适应市场变化。 How：基于数据分析和模拟优化算法进行评估和推荐。 7. 人力资源规划 What：根据企业的战略目标和业务发展预测人力资源需求。 Why：提前做好人才储备和招聘计划，保障企业的正常运营。 How：运用数据分析和预测模型进行规划。 8. 企业文化传播 What：使用 AI 生成个性化的企业文化宣传内容，提高传播效果。 Why：增强员工对企业文化的认同感和归属感。 How：利用自然语言生成技术和个性化推荐算法。 9. 智能客服 What：在 HR 服务中引入 AI 客服，解答员工常见问题。 Why：快速响应员工需求，提高服务质量。 How：训练智能客服模型，涵盖常见的 HR 问题和解决方案。 10. 人才库管理 What：利用 AI 对人才库进行分类和更新，提高人才库的利用效率。 Why：方便快速找到合适的人才，降低招聘成本。 How：运用数据挖掘和分类算法进行管理。
2025-04-14
公共议题:AI如何助力HR业务? 研讨目标： 深入理解:深入探讨 AI在人力资源管理领域的应用、薪酬管理、员工关系、公司文化、包括人才获取与配置、学习与发展、组织与人才培、HR共享与HRIS等各模块的可应用场景 机会识别与场景落地:基于组织现状，识别出业务价值高、可落地的 A 应用场景; 研讨成果(输出物)： 请输出3-5个业务价值高、具备可行性的AI应用场景介绍，并说明what(场景是什么)、why(为什么值得做)、How(如何落地);
以下是为您提供的 3 个业务价值高、具备可行性的 AI 应用场景介绍： 场景一：AI 在企业招聘中的应用 What：利用 AI 技术进行简历筛选、人才匹配和面试评估。 Why：能够快速处理大量简历，提高招聘效率和准确性，节省人力和时间成本，同时更精准地找到符合岗位需求的人才。 How：通过引入相关的 AI 招聘软件，与企业现有的招聘系统集成，对简历进行关键词提取和分析，利用机器学习算法进行人才匹配，并通过视频面试中的语音和表情分析辅助评估候选人。 场景二：AI 助力个性化人力资源管理 What：根据员工的个人特点和工作表现，提供个性化的培训计划、职业发展建议和绩效评估。 Why：能够充分发挥员工的潜力，提高员工满意度和忠诚度，促进企业的长期发展。 How：收集员工的工作数据、学习记录和绩效表现等信息，运用 AI 算法进行分析和预测，为员工制定专属的发展方案，并通过移动应用或内部系统向员工推送相关建议和培训课程。 场景三：AI 打造无人值守的 HR 平台 What：实现 HR 业务的自动化处理，如员工请假审批、薪酬计算和福利发放等。 Why：减少人工操作的错误和繁琐流程，提高 HR 工作的效率和准确性，使 HR 人员能够专注于更有价值的战略工作。 How：整合企业内部的各种 HR 系统和数据，利用 RPA 和 AI 技术实现流程的自动化，同时建立监控和预警机制，确保平台的稳定运行。
2025-04-14
AI在BizDevOps中的场景落地及应用
以下是关于 AI 在 BizDevOps 中的场景落地及应用的相关内容： AI 在 DevOps 中的应用： AI 可以承担指定计划、拆分任务和调用工具的角色，但目前无法完全评定任务结果的正确性和质量。 现阶段更适合让 AI 辅助完成部分任务，如画原型图、设计表结构、写自动化测试代码等，但需要人类验证后才能进行下一步操作。 完全依赖 AI 可能带来风险，如生产环境出错或被黑客恶意利用漏洞。 AI 的记忆能力： ChatGPT 支持记忆功能，可通过摘要保存对话内容以延续角色和对话风格，但新开会话可能在高推理任务中效果更好。 建议将角色设定和部分对话作为样例（fewshot）放入提示词中，以优化生成质量。 学习 GPT 的妙招： 结合视频教程、文字转录和基础资料，通过 ChatGPT 讲解学习内容。 角色反转，自己当老师，ChatGPT 当学生，通过提问互动和查漏补缺能有效提升学习效果。 AI 对软件工程的影响： 涵盖自动代码生成、智能调试、AI 驱动的 DevOps 和敏捷开发优化。 自动代码生成工具（如 GitHub Copilot）提高编程效率，AI 也助力智能测试与运维。 DevOps 迎来 AI 驱动的 CI/CD 和 AIOps，提升部署自动化和智能监控能力。 AI 让敏捷开发更加高效，通过自动化需求分析、测试优化和团队协作增强生产力。 其他相关动态： OpenAI CEO 宣布开发 AI 设备，目标颠覆智能手机。 OpenAI 推出全新 Deep Research，让 ChatGPT 成为研究助理。
2025-04-01
chatbi落地方案
以下是关于 ChatGPT 落地方案的相关内容： 产品经理如何用 ChatGPT： 背景前提：非专业 BI 工程师，依靠 GPT 提示和查询资料解决不擅长领域问题及学习成长。使用免费的 ChatGPT3.5 版本，因充值问题未解决，且账号登录出现问题无法截图还原完整对话过程。 使用过程： 先整理与 GPT 交互的基本思路及步骤，包括旧代码输入、需求及现状问题输入、调试优化、结果输出验证。 旧代码输入时，1900 行代码直接粘贴报错，采取分次输入再联合的方式，让 GPT 理解旧代码实现效果及熟悉查询表和字段，方便后续生成优化代码直接在数据库运行。原 SQL 主要逻辑是统计近 30 天内每天的业务数据日报，按天和地区分组汇总，需查询多张表几百万条数据。GPT 理解基本正确，并主动提出优化建议。 LLM 落地思考： 对大模型的任务理解、编程能力、输出遵循有较高要求，需要 LLM 前处理与后处理工程兜底，因企业流程自动化出错影响面广。该方向能帮助企业完成数字化转型并升级至业务自动化，多为定制化服务，业务爆发期可能在几年后经济回暖时，目前需求方可能优先是国企与金融等数字化成熟且有国家 AI+任务驱动的地方。 采用 RAG 方案进行知识应用的工程框架，包括 AI 搜索、智能客服、流水线问题定位等场景，通过给予大模型已有行业知识解决问题，但前处理过程对方案效果影响较大。 ToC 业务方面，当前爆款产品如 ChatGPT、Midjourney 等，暂未出现像微信这样的大杀器 C 端产品，未来 C 端产品形态难以确定。
2025-03-22
育儿智能体落地实践推荐，相关案例和资讯
以下是为您整理的育儿智能体落地实践的相关案例和资讯： 在“通往 AGI 之路知识库使用指南”中，提到了智能纪要、智能章节等内容。包括博主精美解释六大策略，小七姐在社区带来共学课程及直播分享与回放，介绍了官方最佳 prompt 的 6 个实践办法。还提到了 AI 智能体的进阶、案例拆解及扣子的应用，如景淮老师的相关成果，阐述扣子、千帆百炼属于智能体范畴，扣子更偏 ToC 应用。同时提到 Cos 平台功能全面，社区共学成果显著，学习 AI agent 建议先吃透 prompt，官方文档内容全面，社区小伙伴参加 cos 比赛常获奖并分享经验。 在“张翼然：AI 赋能教学，创新引领未来.pdf_AI 赋能教学创新引领未来”中，涵盖了教育目标由知识本位向能力为重的转型、群智协同与知识动态生成、核心能力、关键价值等方面。还包括设计实验或观察方法、收集与分析数据、得出结论并撰写报告等研究过程的指导，以及黎加厚关于让教师掌握教育智能体金钥匙的相关内容。同时探讨了 AIGC 教育革命、AI 从工具到助手、赋能教师提升效率与能力、大语言模型的教学潜力、AI 与教育场景融合拓展教学边界与创新场景、一线教师的 AI 需求与高效工具推荐、AI 赋能课堂的核心逻辑、AI 与人类智能的共生放大学生思考力塑造深度学习能力、解码 AI 教学案例、能力的普遍性与局限性、现阶段 AI 在教育领域应用的局限性等内容。 在“扣子案例合集社区内容分享”中，包含了如“用 Coze 扣子轻松搭个 Bot，从此告别‘标题党’”“扣子官方：用扣子/Coze 揭秘吴恩达的 4 种 AI Agent 设计模式”“扣子官方：这届 00 后已经学会用扣子/Coze‘偷懒’了”“【2 万字长文】如何用 Kimi 全自动创建扣子智能体？这喂饭级教程将揭晓一切！”“保姆级教程：Coze 打工你躺平”“扣子 Coze 智能体开发实战教程|智能体开发”等案例。
2025-03-20
企业落地都有哪些工具或者方案
企业落地 AI 可以考虑以下工具和方案： 火山引擎： 豆包大模型的 tokens 调用量增长迅速，其视觉理解模型具备强大的视觉识别与推理能力，能处理复杂视觉任务，满足多行业需求。 其 AI 应用开发平台“扣子”发布 1.5 版本，新增支持 GUI 界面的开发环境，增强多模态能力，结合智能语音 OpenAPI 和实时语音通话能力。 还发布了专为企业定制的 AI 应用开发平台“HiAgent”，通过 100+行业模板支持，帮助企业快速构建 AI 能力中心，并与现有系统深度集成。 百度文心大模型：在智能终端行业，超半数手机厂商使用，包括三星、荣耀等主流品牌；十余家车企已接入。百度表现突出，拿下关键中标项目数量和金额两项第一，其智能云增长由多行业需求带动。 Dify：开源的大模型应用开发平台，结合后端即服务和 LLMOps 理念，提供直观界面构建和部署生产级别生成式 AI 应用，具备强大工作流构建工具、广泛模型集成、提示词 IDE、RAG Pipeline 等，允许定义 Agent 智能体，可监控和优化性能，提供云服务和本地部署选项，个人研究可单独使用，企业级落地项目推荐多种框架结合。
2025-03-19
如何利用 AI 赋能【数据分析在企业自媒体营销中的应用综述（以抖音、小红书平台为例）】
利用 AI 赋能【数据分析在企业自媒体营销中的应用综述（以抖音、小红书平台为例）】可以参考以下方法： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，处理大量数据以快速识别关键信息，如受欢迎的产品、价格区间和销量等。 2. 关键词优化：借助 AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述，提高搜索排名和可见度。 3. 产品页面设计：使用 AI 设计工具根据市场趋势和用户偏好自动生成吸引人的产品页面布局。 4. 内容生成：利用 AI 文案工具撰写有说服力的产品描述和营销文案，提高转化率。 5. 图像识别和优化：通过 AI 图像识别技术选择或生成高质量的产品图片，更好地展示产品特点。 6. 价格策略：依靠 AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 7. 客户反馈分析：利用 AI 分析客户评价和反馈，了解客户需求，优化产品和服务。 8. 个性化推荐：借助 AI 根据用户的购买历史和偏好提供个性化的产品推荐，增加销售额。 9. 聊天机器人：采用 AI 驱动的聊天机器人提供 24/7 的客户服务，解答疑问，提高客户满意度。 10. 营销活动分析：使用 AI 分析不同营销活动的效果，了解哪些活动更能吸引顾客并产生销售。 11. 库存管理：依靠 AI 预测需求，优化库存管理，减少积压和缺货情况。 12. 支付和交易优化：利用 AI 分析不同支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：借助 AI 在社交媒体上找到目标客户群体，通过精准营销提高品牌知名度。 14. 直播和视频营销：利用 AI 分析观众行为，优化直播和视频内容，提高观众参与度和转化率。 此外，还可以参考以下具体案例： 赛博发型师：基于 AI 技术为用户提供个性化的发型设计服务，通过分析用户面部特征、个人风格和偏好，自动生成发型设计方案，用户可上传照片，系统分析后生成详细报告和效果图，报告可存档至飞书文档供专业发型师复核评估。 营销文案创作专家深度版：专为企业营销团队等设计，提供从文案框架创作到生成的一站式服务，通过分析产品信息等挖掘痛点和卖点，生成营销文案，并提供营销数据分析服务以优化策略和提高协作效率。 抖音商家客服（C 端用户）/抖音带货知识库工具（B 端商家）：作为 AI 客服系统建设助手，帮助企业实现一站式 AI 客服解决方案。 在实际操作中，还可以参考以下经验： 飞书、多维表格、扣子相关应用优化及自媒体账号分析演示分享：包括直播课程相关内容，优化社区文档问题，介绍技术栈选择，强调扣子、多维表格及 AI 字段捷径结合做数据分析的优势，现场演示账号分析效果，展示同步数据的自动化流程。 高效数据分析应用搭建实操讲解：先介绍数据在多维表格执行无二次请求的优势，接着进行技术实操，从新建“数据 AI 高效数据分析”应用开始，讲解抓数据、同步数据前设置变量等步骤，包括搭建界面、做工作流、保存变量等操作，可在市场选插件。 高雁讲解数据处理及多维表格操作过程：进行操作演示与讲解，包括将用户信息发送到多维表格、调整界面显示、处理按钮点击事件等操作，还讲解了批处理、代码节点等内容。
2025-04-13
请问DeepSeek如何与生产型企业进行结合创造效益 ？
DeepSeek 与生产型企业的结合可以从以下几个方面创造效益： 1. 模型优化与性能提升：英伟达基于 FP4 优化的 DeepSeekR1 检查点现已在 Hugging Face 上开源。这种优化将模型Transformer 模块内的线性算子的权重和激活量化到了 FP4，适用于 TensorRTLLM 推理。每个参数从 8 位减少到 4 位，使磁盘空间和 GPU 显存的需求减少约 1.6 倍。使用 TensorRTLLM 部署时，需要支持 TensorRTLLM 的英伟达 GPU（如 B200），并且需要 8 个 GPU 来实现 tensor_parallel_size=8 的张量并行。代码利用 FP4 量化、TensorRT 引擎和并行计算，实现高效、低成本的推理，适合生产环境或高吞吐量应用。 2. 部署指南：社区伙伴 Hua 投稿的《在 Azure AI Foundry 部署 DeepSeek 大模型全指南》，手把手指导在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 3. 为企业带来实质提升：DeepSeek 的强化学习和联网搜索能力改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。其开源策略打破了技术垄断，让国内大模型能力迅速提升。在企业级部署方面，通过行业知识蒸馏和领域自适应训练，实现对企业非结构化数据的深度解析能力。特别是在实时决策支持、多模态交互及复杂知识图谱构建方面，为企业打造具备持续进化能力的数字神经中枢。这种“AI 即服务”的部署模式，重构了传统工作流效率，并通过预测性分析和认知自动化开启企业智能化的第二增长曲线。同时，还可以考虑垂直场景强化学习机制的增加，如在智能制造场景中嵌入设备故障模式自发现的奖惩机制；以及可信计算架构的升级，针对金融、医疗等高合规需求场景。
2025-04-10
企业场景下最常用的工作流
在企业场景下，工作流是一种灵活的智能体编排方式，将业务过程中的任务按规则和顺序组织执行，降低任务复杂度和不确定性，减少对提示词工程和模型推理能力的依赖，提高大语言模型应用面向复杂任务的性能、稳定性和可解释性。工作流是智能体平台最核心强大的部分，衡量一个 AI 智能体的含金量，除大模型能力外，大部分业务价值体现在工作流设计里。 工作流的典型场景包括： 入门场景： 仅添加一个节点构建简单工作流，如通过插件节点内的插件能力自定义工作流，使用获取新闻插件构建获取新闻列表的工作流，详细配置教程可参见。 使用大语言模型（LLM）节点接收并处理用户问题，详细配置教程可参见。 使用 Code 节点生成随机数，详细配置教程可参见。 进阶场景： 通过多节点组合构建逻辑较复杂的工作流，如先通过插件能力进行关键词搜索、然后通过 Code 节点过滤指定信息、最后通过插件能力获取信息详情，详细配置教程可参见。 通过条件判断识别用户意图，例如通过 LLM 节点处理用户消息，将消息分为不同类型，然后通过 Condition 节点分别处理不同类型的用户消息，详细配置教程可参见。 常见的 AI Workflow 开发平台有： Coze：新一代 AI Bot 开发平台，集成了丰富的插件工具，国际版和国内版均有。 Dify：开源平台，支持自定义和插件。 腾讯元器。 FastGPT：国内知名，支持自定义流程。 影刀&zapier。 Leap。 Betteryeah：立足 RPA 场景，用 AI 将用户需求生成工作流，并通过 RPA 自动化，产品形态与 Coze 相似，是企业级的 AI 应用开发平台，无论团队编程技能如何，都能快速创建由 AI 驱动的 Agents、知识库、工作流和任务。 Flowise：快速实现智能体搭建。 BISHENG：主攻 tob 场景的开源 LLM 搭建平台，与 fastgpt 功能类似，但面向的客户不同，整体功能和部署成本更重。 Agent 构建平台有豆包、文心一言、星火助手、kimi.ai 等。由于 Coze 具有拓展强、好上手、不用出国等优点，本教程的工作流以 Coze 为主。
2025-04-09
AI workflow在企业中是否比Agent应用价值和场景更多
AI workflow 和 Agent 在企业中的应用价值和场景各有特点。 Agentic Workflows 具有以下优势： 1. 灵活性、适应性和可定制性：能够根据任务难度进行调整和演变，通过组合不同模式实现定制，在需求和复杂性增长时进行迭代升级。 2. 在复杂任务上的性能提升：将复杂任务分解为更小、可管理的步骤，显著优于确定性的零样本方法。 3. 自我纠正和持续学习：能够评估自身行为，完善策略，从过去经验中学习，在每次迭代中变得更有效和个性化。 4. 操作效率和可扩展性：可以高精度自动化重复任务，减少人工操作和运营成本，还能轻松扩展。 Agentic Workflow 的应用场景包括原子设计模式的组合、与人类反馈循环集成等。例如，Agentic RAG 在检索增强生成流程中引入了一个或多个 AI Agents，在规划阶段可进行查询分解等操作，还能评估数据和响应的相关性和准确性。 一般来说，Workflow 是一系列旨在完成特定任务或目标的相互连接的步骤。最简单的工作流是确定性的，遵循预定义步骤序列。有些工作流利用大模型或其他 AI 技术，分为 Agentic 和非 Agentic 两类。非 Agentic 工作流中，大模型根据指令生成输出。Agentic Workflow 是由单个或几个 AI Agents 动态执行的一系列连接步骤，被授予权限收集数据、执行任务并做出决策，利用 Agents 的核心组件将传统工作流转变为响应式、自适应和自我进化的过程。 综上所述，不能简单地说 AI workflow 在企业中比 Agent 应用价值和场景更多，这取决于企业的具体需求和任务特点。
2025-04-09
企业场景下的AI应用
在企业场景下，AI 有以下应用： 1. 智谱 BigModel 开放平台工作流搭建： 产品概述：播放智谱 AI 智能体平台宣传片。 解决问题：大模型作为新质生产力代表，单一化模型解决能力无法满足企业多元化场景需求，打造“企业场景下要求高可用、高性能、高性价比”的 AI 应用之路存在诸多难题。 产品定位：智谱 BigModel 清流智能体开发平台定位在企业级 AI 智能体应用开发，基于智谱全模型矩阵叠加与之深度适配的智能体开发框架，面向 ToB 业务，以市场和企业落地需求驱动产品能力建设。 独特优势： 自有模型的深度适配，提供高契合度功能设计，通过模型逻辑封装和内置提示词优化，实现模型表现优于第三方平台调用的效果。 真实场景验证的高可用模板，官方模板经过 PoC 验证，能快速落地企业场景，支持企业级开箱即用。 为企业各角色提供价值。 2. 避免陷入智能陷阱，重塑决策流程： 数据陷阱与 AI 的认知扭曲：假设跨国企业使用 AI 分析不同市场数据生成销售策略，若只从特定地区收集数据，会因数据单一性导致策略失效，企业须警惕数据片面性导致的错误市场判断和策略执行。数据质量决定 AI 决策能力，历史数据常带有偏见，企业使用不完整或偏颇数据训练 AI 系统将面临决策风险，人类认知和记忆能反思修正偏见，而 AI 无法自行修正。 AI 的决策与人类独立判断：在实际企业环境中，领导者常面临平衡 AI 与人类判断的问题，如依赖基于历史趋势的 AI 数据模型在市场环境变化时可能做出错误决策，企业领导者需认识到 AI 决策不透明性，设立审核流程，如某公司全球化扩张时，AI 数据分析建议可能只针对局部市场，领导者须通过自身经验和洞察审视。 实践建议：设计“AI 决策审核流程”，包括数据源验证、算法透明度、专家审查、伦理与社会影响评估等步骤，通过增加人工审核环节，确保 AI 决策经过人类专家审查与反馈，减轻潜在偏见和不透明性。
2025-04-09
在企业中如何衡量大家的AI能力
在企业中衡量员工的 AI 能力可以从以下几个方面入手： 1. 基础 AI 应用能力： 提示词工程：会用合适的方式提问，引导 AI 输出高质量答案。 内容评估能力：能够判断 AI 生成的内容是否靠谱，并加以优化。 熟练使用 AI 工具：能快速上手各类 AI 工具，如 DeepSeek、Cursor、Midjourney 等。 2. 高级 AI 应用能力： 任务拆解能力：知道哪些工作适合用 AI，哪些环节需要人工把控。 业务场景应用能力：能在实际工作中灵活运用 AI，提高效率。 3. 加分项： 快速学习能力：能跟上 AI 技术的快速迭代，主动学习新工具、新方法。 不同领域的考察方式有所不同： 1. 软件开发：让候选人现场用 AI 工具（如 Cursor、Windsurf）解决编程问题，观察其如何向 AI 提问、如何判断 AI 代码的正确性以及如何调整 AI 生成的代码。 2. 市场营销：让候选人用 AI 生成营销文案，并询问为什么用这个 Prompt，观察其是否能调整提示词、判断 AI 生成内容的质量。 3. 产品管理：让候选人用 AI 解析一份用户反馈，提炼产品改进建议，考察其是否能验证 AI 结论的准确性，并提出优化方案。 面试时，可以问以下 AI 相关问题快速判断候选人是否真正懂 AI： 1. “你遇到过 AI 给出明显错误答案的情况吗？你是怎么处理的？” 2. “最近有没有新出的 AI 工具或功能是你学习并实际应用的？能举个例子吗？” 3. “如果 AI 生成的内容和你的预期不符，你会怎么优化它？” 4. “你觉得 AI 目前有哪些无法解决的业务难题？遇到这些问题你会怎么做？” 此外，周鸿祎提到正在做“含 AI 量”的指标，包括公司、部门和员工层面。含 AI 量的评估不仅看硬件投入，更重要的是对 AI 的学习、讨论，现有业务的改造，产品是否用 AI 驱动，员工消耗 Token 的数量，参加 AI 培训课程、订阅 AI 账号等情况。
2025-04-09