2025 年是 AI Agent 的元年时刻——这句话最近频繁出现在各种报道中。
我也认同。但我觉得元年的意义,不是一个新概念的诞生,而应该是价值兑现。也就是说,AI Agent 不再只是技术演示,而是成为提升生产力、改变工作方式的实用工具。
前两天,我被邀请参加了腾讯云 AI Agent 产业应用峰会,虽然已经有预期,大会上大家讨论最多的肯定是 Agent,但在现场和大家交流下来,我发现不再是“Agent 是什么”的问题,而是“你在用 Agent 解决什么问题”、“现在 Agent 已经解决到什么程度了”。这种视角的转变,恰恰印证了 Agent 已经进入了价值兑换的关键时刻。
聊干货之前,先带大家感受一下现场的火爆氛围:
现场有很多有意思的展台!一边是开发者们围着智能体开发平台、AI 编程助手等展台热议;另一边则是各种脑洞大开的场景应用,比如在模拟驾驶舱里,一句“来个麦当劳巨无霸套餐”,车载 AI 就完成了所有点餐操作。
我参加的 AI Agent 产业应用峰会,更是火爆异常,现场围得水泄不通。。。讲真,要不是我提前占座,这几小时得全程“罚站”了。
峰会的主题很明确:如何让 Agent 走出实验室,真正成为企业级的核心生产力。
腾讯研究院副院长刘琼分享的《企业级智能体产业落地研究报告》让我印象深刻。她提到:
Agent 的灵魂在于“自主性”和“行动力”,这是它与大模型的根本区别。
换句话说,大模型是“大脑”,而 Agent 是那个拥有大脑,还能调动手脚(工具)去完成任务的“行动单位”。
而选择搭建企业化 Agent 的高价值场景往往具备:痛点明确、价值可衡量、贴近核心业务、能带来新增长等特点。
报告传送门:https://qdrl.qq.com/gB5RIHbI
所以,在企业拥抱 Agent 之前,先想清楚的第一个问题是:
我到底需要一个什么样的 Agent?
报告给出的"智能体场景罗盘"很有意思,可以用两个维度来导航:
1.自主规划依赖度:它需要多高的自主规划性?
2.任务复杂度:它要干的活儿有多"难"?
通过这两个坐标,企业可以定位自己需要的是执行专家、决策专家,还是全能高手。
那第二个问题是:企业应该怎么构建 Agent 呢?
腾讯云副总裁、腾讯云智能负责人、腾讯优图实验室负责人吴运声谈到:
最近智能体确实非常火热,但是另外一方面,企业也都有自己的困惑:智能体到底要做什么样的场景?在落地的过程中会遇到什么样的困难?
企业级智能体建设远比想象复杂,企业既需要智能体具备动态决策的灵活性,又要求通过严谨的定制化流程来确保核心业务的输出质量和可控性,这种内在的平衡极难实现。
腾讯给出的解决方案是一座功能完备的"AI Agent 兵工厂"——全新升级的腾讯云智能体开发平台3.0。
为了帮助企业更好地落地智能体,腾讯云提供了全栈智能体解决方案,包括最底层的AI Infra到中间层的平台再到上层的生态。
据吴运声透露,平台在短短 3 个月内就迭代了近 600 项功能,在 RAG 能力、Workflow、Multi-Agent、应用评测和插件生态等核心点都实现了全面升级:
1.从传统 RAG 升级到 Agentic RAG,支持知识库管理、运维能力,并扩展主流数据库接入。
2.支持多 Agent 自由转交、工作流编排、协同模板等多种协同方式,新增 Agent、数据库节点及异步调用等能力。
在多智能体(Multi-Agent)的实现上,腾讯云可以说是目前市面上支持模式最完整、最丰富的平台之一。
它同时提供了三种核心玩法:“自由转交模式”、“工作流编排模式”与“P&E 协同模板模式”。
如果说“自由转交模式”赋予了 AI 团队极高的灵活性,更适合应对探索性的、流程不固定的任务。那么对于严谨的企业业务来说,就需要一套更强大的进阶玩法——工作流编排。你的 AI 特种部队从自由行动的模式,升级成了一套预先设定好的、严丝合缝的作战流程。
3.上架超过 140 个多领域的插件,内置模型广场。
4.新增了应用变量和长期记忆,并且引入自动化评测引擎,支持裁判模型、代码与规则打分。
5.支持多层级权限配置,提供了代码、工具、文件三类沙箱环境,保障代码运行安全。
腾讯云副总裁、腾讯云智能解决方案负责人王麒表示,腾讯云智能体开发平台的核心目标是希望将大模型和智能体技术变得真正可用、易用、好用,让企业能低门槛地构建、集成并运营属于自己的 AI 智能体。
听到“低门槛”、“易用好用”这些关键词,我在发布会现场就坐不住了,作为大家的测评博主,咱们直接上手实测!
传送门:
腾讯云智能体开发平台网址:https://adp.cloud.tencent.com/
作为 AI 自媒体创作者,我每天都要持续追热点、找选题、写文章,团队经常信息不同步。
所以,我让他帮我搭建一个非常急需的工作流:
自动搜集最新行业热点和选题,进行内容整理与初步筛选,最终结合我知识库中内置的历史发文数据和用户关注度指标,精准推荐当日最适合创作的选题,并生成简报。
具体搭建教程
腾讯云智能体开发平台提供了两种 Agent 协同方式:“自由转交模式”、“工作流编排模式”。
自由转交的模式对于本小白来说,非常友好,我只需要定义各个专业子 Agent 的职责,主 Agent 就能根据用户请求智能分配任务。
我首先构建了一个 Agent 军团:
我为这支 Agent 军团设定了明确的职责:
分别负责爬取行业热点、整理关键内容,并基于对历史发文数据的分析选题,最终帮我写一个初版的推文。
然后,我上传了知识库,启动调试功能,直接“开干”!
腾讯的这个可以支持多格式智能解析:PDF、Excel、Word、JSON 等格式都能识别。我上传了历史文章数据(包含阅读量、点赞数、评论数等)。
更值得一提的是,腾讯云智能体开发平台内置知识库检索 Agent(KnowledgeBase Search Agent),支持通过 Agentic RAG 的方式自主多次调用检索工具和计算工具组合,根据特定规则对文档进行筛选后回复,为用户提供准确的回答。比如在这里,可以基于我上传的历史发文数据来分析选题。
令人惊喜的是,整个流程运行实在是太丝滑了,从初步配置到首次成功运行,全程花费不超过二十分钟。
对于企业具备标准化业务流程的场景,腾讯云智能体开发平台还提供了另一种玩法——工作流编排。
操作起来非常像搭乐高!
首先,配置好每一个独立的节点需要的子 Agent 后,在工作流画布上拖拽、连线,将这些 Agent 和各种工具节点组合起来,设计出一套完整的自动化业务流程。
这里尤其值得一提的是,这些节点可以选择功能节点也可以选择自己搭建的特定功能的 Agent。
这种模式带来一个优势:它让原本固定的工作流,在关键步骤上拥有了“智能大脑”,不再那么死板。
比如,在需要进行复杂判断或个性化生成内容的环节,交给 Agent 节点来处理,就能让整个流程既有规则,又不失弹性。
在画布上进行端到端调试非常方便,可以直观地看到每个节点的运行状态(运行中、成功、失败),以及输入输出变量的详细情况,甚至能追溯到最终的系统回复是由哪个节点生成的。
成功的工作流可以直接发布为 API,无缝集成到企业现有的应用中。而腾讯云智能体开发平台天然还具有集成企业微信等生态优势,企业场景的准体可以直接介入企业微信,服务于员工和组织。
要让 AI 从“玩具”进化为“工具”,关键在于打通数据这一环。企业的用户档案、库存、交易记录等核心资产,都沉淀在私有数据库里。AI 如果无法触及,一切都是空谈。
腾讯云智能体开发平台为此提供了一个强大的“数据库节点”。
在工作流画布上,你只需简单拖拽,就能让 AI Agent 直接与你的 MySQL、SQL Server 等数据库实时交互。
企业级应用最怕的是"黑盒",不知道 AI 为什么这样回答,效果好不好也无法量化。
腾讯云智能体开发平台还能支持用户批量测试,方便评估智能体效果。其次作为企业级平台,安全性是基础要求,平台提供了企业管理、空间管理、平台端用户权限 3 级功能,做好用户权限管理。
如果你的目标是构建真正的企业级智能体,腾讯云智能体开发平台确实把"低门槛构建企业级 Agent"这件事做到位了。
目前市面上的智能体应用大致可以分为三个层次:
第一层:对话式助手 就是加强版的 ChatGPT,能回答问题、写文案。
第二层:工具调用系统 能调用外部 API、查询数据库、执行简单自动化任务,这是目前大部分 B 端产品在努力的方向。
第三层:业务流程智能化 能深度理解企业业务逻辑,自主处理跨系统、跨部门的复杂流程,真正成为"数字员工"。
腾讯云智能体开发平台已经触及到了第三个层次的门槛。特别是它的 Multi-Agent 协同、工作流编排、数据库直连、权限管理等这些能力。
这次峰会,腾讯不止提供 ToB 级的开发能力,还有面向 C 端普通用户的“腾讯元器”平台——零代码智能体中心。
它最引人注目的地方,就是与腾讯内容生态的深度打通。
举个例子,你不仅能授权智能体一键发布文章到微信公众号,更能将公众号的全部历史文章作为它的知识库,让 AI 瞬间“吃透”你的内容风格和知识储备,并且借助元器优化渠道分发。
回到文章开头的思考,2025 年 Agent 元年的真正意义在于价值兑现。
从这次腾讯云 AI Agent 产业应用峰会的现场反馈,到我亲手体验腾讯云智能体开发平台的能力,一个明显的趋势:企业级智能体的时代真的来了。企业对智能体的态度正在从"观望"转向"实践"。
实践的好坏快慢,很大程度上取决于工具的选择。一个好的智能体开发平台,要稳定、易用、好用。腾讯云智能体开发平台在这个方向上已经走得比较远了,可以去上手试一下。
文章来自于微信公众号“夕小瑶科技说”,作者是“夕小瑶编辑部”。
【开源免费】Browser-use 是一个用户AI代理直接可以控制浏览器的工具。它能够让AI 自动执行浏览器中的各种任务,如比较价格、添加购物车、回复各种社交媒体等。
项目地址:https://github.com/browser-use/browser-use
【开源免费】字节工作流产品扣子两大核心业务:Coze Studio(扣子开发平台)和 Coze Loop(扣子罗盘)全面开源,而且采用的是 Apache 2.0 许可证,支持商用!
项目地址:https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目,它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址:https://github.com/n8n-io/n8n
在线使用:https://n8n.io/(付费)
【开源免费】DB-GPT是一个AI原生数据应用开发框架,它提供开发多模型管理(SMMF)、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL(智能体工作流编排)等多种技术能力,让围绕数据库构建大模型应用更简单、更方便。
项目地址:https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础,任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤,并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址:https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用:https://vectorvein.ai/(付费)
【开源免费】AutoGPT是一个允许用户创建和运行智能体的(AI Agents)项目。用户创建的智能体能够自动执行各种任务,从而让AI有步骤的去解决实际问题。
项目地址:https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目,只需要输入一句话的老板需求,MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色,包括产品经理 / 架构师 / 项目经理 / 工程师,MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址:https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】FASTGPT是基于LLM的知识库开源项目,提供开箱即用的数据处理、模型调用等能力。整体功能和“Dify”“RAGFlow”项目类似。很多接入微信,飞书的AI项目都基于该项目二次开发。
项目地址:https://github.com/labring/FastGPT
【开源免费】graphrag是微软推出的RAG项目,与传统的通过 RAG 方法使用向量相似性作为搜索技术不同,GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址:https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG,Agent,模型管理等一站式AI开发的工具平台,并且项目方一直持续维护。其中在任务编排方面相对领先对手,可以帮助研发实现像字节扣子那样的功能。
项目地址:https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目,该项目在大文件解析方面做的更出色,拓展编排方面相对弱一些。
项目地址:https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储,并通过AI实现RAG功能的项目
项目地址:https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG,Agent,大模型管理等AI项目开发的工具平台,比LangChain更强大的中间件AI平台工具。
项目地址:https://github.com/TaskingAI/TaskingAI