应用场景

当前，基于Agent开发平台可以构建两种类型的Agent(智能体)，一种是针对文本生成、文本检索的知识型Agent，如搜索问答助手、代码生成助手等，执行主体在大模型；另一种是针对复杂工作流场景的流程型Agent，如金融分析助手、网络检测助手等。

• 应用：以大模型为任务执行核心，用户通过配置Prompt、知识库、插件等信息，实现工具自主规划与调用，优点是可零码开发，对话过程更为智能，缺点是当大模型受到输入限制，难以执行链路较长且复杂的流程。
  • 应用场景：
    1. 智能客服
       • 场景：电商售前咨询、售后问题解答。
       • 应用方式：通过配置Prompt和知识库，大模型直接理解用户问题（如退货政策、商品参数查询），调用插件获取订单信息，快速生成自然语言回复。
       • 优势：无需复杂流程设计，能处理开放式提问，对话体验更接近真人。
    2. 教育辅导
       • 场景：个性化学习答疑、知识点讲解。
       • 应用方式：结合学科知识库和大模型推理能力，学生通过对话提问（如数学题解析），模型实时生成解题步骤并反馈。
       • 优势：零代码快速覆盖多学科需求，灵活适应不同提问方式。
    3. 医疗咨询
       • 场景：症状初步分析、健康建议。
       • 应用方式：用户描述症状后，模型基于医学知识库生成可能病因，调用插件获取药品信息或推荐就医科室。
       • 优势：交互自然，可快速迭代更新知识库以适配最新医疗指南。

• 工作流：以工作流为任务执行核心，用户通过在画布上对节点进行“拖拉拽”即可搭建出任务流程，场景的节点包括大模型节点、意图识别节点、提问器节点、插件节点、判断节点、代码节点、消息节点，优点是可扩展能力强，用户适当使用低码开发，缺点是对话交互智能度不高，复杂场景下分支多，难以维护。
  • 应用场景
    1. 金融风控
       • 场景：贷款审批、反欺诈审核。
       • 工作流设计：通过节点串联实现多步骤审核（如调用征信接口→大模型分析收入证明→判断节点触发人工复核）。
       • 优势：流程透明可控，分支条件清晰（如不同额度触发不同审批路径），避免大模型幻觉干扰关键决策。
    2. 供应链管理
       • 场景：库存预警与自动补货、物流异常处理。
       • 工作流设计：通过代码节点对接ERP系统，判断节点识别库存阈值，触发补货插件或邮件通知节点。
       • 优势：复杂规则（如供应商优先级、物流延迟策略）可通过分支节点精准实现，稳定性高于纯模型驱动。
    3. 政务审批
       • 场景：企业资质申报、惠民补贴发放。
       • 工作流设计：串联意图识别节点（分类用户需求）、提问器节点（补全材料）、代码节点（验证数据合规性），最终由消息节点反馈结果。
       • 优势：标准化流程减少人为错误，分支节点可覆盖政策差异化要求（如不同地区补贴标准）。