王仿
NoDesk AI联合创始人、前智谱AI商业技术中心副总经理
王仿,专注于企业级 AI 落地,具备“基模训练—工程实战—价值闭环”全链路能力。曾就职于智谱,从 0 到 1 搭建华东区大模型与解决方案团队,服务电商、医疗、制造等多个行业;此前在搜狗、阿里负责高并发 AI 系统建设。现创业DeskClaw,专注于企业级 Agent Infra 与执行系统建设,帮助企业将 AI Agent 从 Demo推向生产环境并持续创造业务价值。
演讲主题
企业级 Agent 从“能用”到“好用”的产品实战
大纲: 一、我们面临的问题:PoC遍地,落地太难 1. 行业现状速览 - 大模型能力持续跃升,Agent 成为企业 AI 落地最热方向 - 大量项目止步于 PoC,难以走向生产环境 2. 三个“鸿沟”让规模化落地受阻 - 价值鸿沟:模型能力增强 ≠ 业务价值提升 - 系统鸿沟:企业知识散落、系统林立,Agent 难以真正“动手做事” - 信任鸿沟:不可控、不可观测、不可审计,业务部门不敢用 二、产品破局:从“模型能力”到“执行系统” 1. 核心产品判断 - 企业要的不是模型能力,而是确定性的业务结果 - 产品定位:打造一套企业级 AI Execution System(执行系统) 2. 产品演进路径 - Chat(对话)→ Copilot(辅助)→ Workflow(自动化)→ Agent(自主)→ Execution System(执行系统) - 关键跃迁:从“生成内容”走向“执行任务”;从“模型中心”走向“系统中心” 三、产品架构:四大模块驱动 Agent 落地 1. 业务翻译层:让业务专家也能“定义”Agent - 将业务目标(Job)拆解为可执行任务(Task)和动作(Action) - 产品形态:自然语言配置 + 模板化策略,降低使用门槛 2. 知识引擎:打通企业知识孤岛 - 统一接入文档、数据库、业务系统等多源知识 - 产品关键:知识治理能力 > RAG 技术本身 3. 技能体系:让 Agent 真正“会做事” - 抽象 Tool → Skill → Workflow,解决工具碎片化问题 - 产品价值:一次封装、多处复用,支持权限与版本治理 4. 执行引擎:保障任务“跑得稳、跑得完” - 多 Agent 协同、长任务状态管理、失败恢复与重试机制 - 产品体验:让复杂任务像“流水线”一样可控可追踪 四、产品硬实力:让 Agent 从“能用”到“可控” 1. 可控性设计是企业级产品的及格线 - Human-in-the-Loop:关键节点人工确认,业务方敢放权 - SOP 约束:将企业流程固化为规则边界,限制 Agent“自由发挥” - 全链路可观测:思考过程透明、工具调用可追溯、执行结果可审计 - 治理体系:权限、审计、回滚、风控,满足企业合规要求 五、实战案例:两个场景的价值验证 1. 案例一:进出口报关 Agent - 业务效果:3 小时 → 10 分钟,效率提升 70%+ - 产品化分工:业务专家负责目标拆解,技术专家封装技能,运营专家持续调优 2. 案例二:广告投放 Agent - 业务效果:半日工作 → 30 分钟完成 - 人机协作模式:Agent 执行方案生成,人工负责最终决策,快速响应行业变化 六、总结与展望 1. 核心结论:大模型决定能力上限,执行系统决定业务价值 2. 趋势判断:行业正从模型竞争走向系统竞争,从工具使用走向执行体系构建 3. 最终观点:企业需要的不是会聊天的模型,而是一套能持续交付业务价值的 AI 执行系统 听众收益: 1. 如何设计一套让业务部门“敢用、能用、好用”的 Agent 产品 2. 如何通过可控性设计,将 Agent 从“玩具”变成生产级工具 3. 如何量化 Agent 的业务价值,让 ROI 可衡量、可汇报