扫码关注销售易公众号 扫码关注销售易公众号 赋能企业以客户为中心 营销服全流程智能辅助： 将 A I 技 术 深 度 融 入 营 销 服 全 流 程，AI Agent为不同业务角色提升 工作效率，让客户更满意 智能决策支持： 销售易整合内外部数据，融入AI 技术，通过强大的BI工具帮助管 理者及一线业务实现深入、全面 的客户洞察与业务分析。 关于销售易CRM 销售易CRM支持企业从营销、销售到服务的全流程智能化业务场景，帮助企业连接外部经销商、服务商、产品以及 最终用户，构建360全生命周期的客户关系管理体系。销售易CRM深度融入AI能力，AI Agent辅助业务提升日常工 作效率，让客户运营更容易。同时，销售易集成海外社交生态，凭借多语言、多地域、多币种的国际化能力以及海 外服务器集群，支撑企业的全球化业务需求，帮助企业出海拓展业务。 NeoAgent介绍 采集沉淀到AI应用全链路安 全合规 更安全更放心 一站式自然语言交互，开创 企业级应用新体验 语言交互操作 基于NeoAgent平台，帮助 企业构建个性化、主动响应 的智能体应用 自主构建Agent 六大业务智能体，化身智能 业务助理，精准赋能营销服 场景 全流程智能化 复制成功客户案例，挖掘优 质潜客 精准潜客识别 获取难 营销活动搭建落地 费时费力 老客二次转化 乏力 智能客户画像

CRM 怎么选？高效易用、安全合规是刚需 ············································25 4.2 NeoAgent: 客户数据平台 + AI Agent 为业务提效 40% ····································27 2 CRM数据治理及应用实践蓝皮书 contents 解难题 - 避误区 - 评 成效，三步落地业务 维度数据，保障响应速度与决策 精准度。 高性能决定AI落地应 用的速度与精准度 赋能企业以客户为中心 27 CRM数据治理及应用实践蓝皮书 NeoAgent: 客户数据平台+AI Agent为业务提效40% 4.2 销售易发布中国首款AI CRM⸺NeoAgent，以统一客户数据平台整合全域数据、打造AI统一数据底座，让数据可 识别、可管理、可消费，为AI时代的数据应用提供了最 有任何的问题，可以做相应的审计 毒性内容拦截 对模型返回内容进行合规性过滤，并 记录从指令输入、数据检索到动作执 行的全链路日志，确保问题可追溯、 安全合规信息再返回 确保Action可控 在Agent创建阶段预设可执行操作边 界，如禁止删除订单记录，拦截越权 指令。当检测到“删除全年交易数 据”等高危动作时，系统自动冻结执 行并触发人工审核 六大安全机制，确保AI应用数据合规安全

技术深度赋能，应用百场景花齐放。AI 技术正深度渗透并占领安全运营的各个环节，从风险识别、威胁 检测、事件分析、响应到安全管理和报告生成。国内安全厂商积极探索 AI 在不同场景的应用创新，利用大语言 模型（LLM）和 AI Agent 等技术，在智能问答、告警降噪、威胁情报分析、自动化响应、报告生成等方面取得 了初步成果，呈现百花齐放的态势。 智能化降本增效应用效果初见成效。ISOC 的应用已在国内多个案例中开展取得显著成效。部分案例实现告 为当前 ISOC 建设的主流技术路线。 AI Agent 是关键发展方向，但尚处于初步阶段。AI Agent 具备自主决策、认知、行动、学习的能力，在自 动化响应、智能分析、主动防御等方面潜力巨大。国内厂商已开始探索 AI Agent 在告警关联、溯源调查、事件 响应造成等场景的应用。但是基于数据分析的主动威胁防御能力的高质量 AI Agent 在国内安全运营中心的应用 仍在早期研究和实验 正经历从“传统分析工程师”向“AI 训练师”和“AI 监督员”转变，需要具备新的知识和技能，人机之间的信 任和有效交互是 ISOC 成功的关键。 安全运营自动化水平迈向新的高度：在 AI Agent 和 SOAR 平台的双重驱动下，安全运营自动化正从基于规 则的机械式自动化向智能自动化、认知自动化方向推进，并能够覆盖更广泛的安全运营流程，并实现更智能、 灵活的响应。 数据驱动理念深化，

AI 化解锁运营瓶颈，最终使 AI 驱动的专业突破反哺全价值链升级，共同推 动汽 车产业从“机械制造”向“移动智能体”的范式革命。 汽车行业智能化转型技术路线 以统一 MaaS 平台与 Agent 平台为底座，整合知识图谱、大模型训练、 数据湖治理能力，形成闭环赋能体系。这一体系就如同汽车产业智能化转型 的 坚实地基，知识图谱像是其中的智慧地图，指引着企业在知识的海洋中精 准航 汽车企业智能化转型的技术架构示意 Agent 智能体评测与度量 Agent 开发已经逐渐成为汽车行业 AI 开发赋能的主要途径，但 Agent 开 发并非一蹴而就，企业在开发 Agent 时需要不断调试和迭代升级对其完 善。 通过引入 Agent 评测和度量，这些工具提供了一个客观的、系统的评估 框架， 通过实际数据和标准化的测试方法，对 Agent 的能力和表现进行评 估，指导 后续改进工作，使其逐步达到最优状态。 ） *2 Agent 评测是通过收集一套数据集来调用 Agent, 再对其输出结果进行评 估，返回一个分数。这个分数可以是基于实际输出与参考输出进行比较得出 的，也可能不需要参考输出， 比如检查输出的格式是否为 JSON 。通过调 整 Agent 的大模型、系统提示词、知识库和工具定义， 观测不同组合下最优 组合。 Agent 的评测系统主要包含数据集管理， Agent 运行以及

此，深入研究具身智能的技术架构、应用案例、发展挑 战及未来趋势，具有重要的理论和现实意义 ［7］。 1 具身智能的核心概念 1.1 具身智能的定义与内涵 具身智能是指具有物理本体的人工智能 agent（如 机器人、无人机、智能汽车等）通过物理实体与环境实 时交互，实现感知、认知、决策和行动一体化的智能系 统 ［8］。其核心理念在于强调智能的本质必须通过物理 实体与环境的动态互动来塑造和体现，突破了传统人 具身智能与传统机器人、工业机器人的区别 具身智能的起源可追溯至 20世纪中叶，计算机科 学之父 Alan Turing 在《计算机器与智能》中首次提出 “机器能否思考？”的哲学命题，预示了具有物理本体 的人工智能 agent通过物理交互实现认知的可能性 ［11］。 然而，受限于当时的技术条件，这一构想在随后数十 年里未能取得实质性突破。MIT前计算机科学和人工 智能系主任，前 iRobot公司创始人和首席执行官，机器 智能机器人能够在复杂多变的环境中进行自主学习 和适应，实现更加灵活、智能的行为。 2.3 具身大模型 具身大模型是具身智能的核心技术之一，它通过 对大规模数据的学习和训练，使具身智能 agent具备强 大的语言理解、视觉感知和决策能力。具身大模型能 够将语言、视觉、行动等多种模态的信息进行融合和 处理，实现对复杂任务的理解和执行。同时，具身大 模型还具有良好的泛化能力，能够在不同的应用场景

厦门大学大数据教学团队作品 智能体本身既不是单纯的软件也不是硬件 ， 而是一个更为 宽泛的概念 ， 它们可以是软件程序、 机器人或其他形式的 系统 ，具备一定的自主性和智能性 智能体（ AI Agent ） ，又称“人工智能代理” ，是一种模 仿人类智能行为的智能化系统 ， 它就像是拥有丰富经验和 知识的“智慧大脑” ，能够感知所处的环境 ，并依据感知 出跨领域的应用潜力 AI Agent 的诞生就是为了处理各种复杂任务的 ，就复杂任务的处 理流程而言 AI Agent 主要分为两大类：行动类、规划执行类。总 而言之 ， AI Agent 就是结合大模型能去自动思考、规划、效验和 执行的一个计算体 ，以完成特定的任务目标 ，如果把大模型比作大 脑 ，那 AI Agent 可以理解为小脑 + 手脚 手脚 7.1 智能体的概 念 AI Agent 的工作仅需给定一个目标 ，它就 能够针对目标独立思考并做出行动 ，它会 根据给定任务详细拆解出每一步的计划步 骤 ，依靠来自外界的反馈和自主思考 ， 自 己给自己创建 prompt ，来实现目标 目前各类 AI Copilot 不再是机械地完成人 类指令 ，而是可以参与人类工作流

心无损网络方案…………………………………………… 1 ｜中国科学院计算机网络信息中心｜面向国产超算系统跨平台可移植的并行框架软件方案……………… 7 ｜中国科学院沈阳自动化研究所｜基于AI Agent的工业物联网关方案 …………………………………… 10 ｜中移在线服务有限公司｜中移在线基于云原生化的数据仓库平台方案………………………………… 17 ｜北京万里开源软件有限公司｜高性能数据库 eDitorial BoarD experts 10 年度技术创新类（前沿技术突破） 案例基本信息 Basic case information 案 例 名 称：基于AI Agent的工业物联网关方案 牵头申报单位：中国科学院沈阳自动化研究所 案例简介 case summary 传统边缘计算网关完成工业现场的 关的智能性提出了更 高的要求。基于AI Agent的工业物联网关在传统边缘计算网关基础功能之上，通过引入软件操作调度AI Agent，实现了自然语言引导式的工程化配置方式，大大提升了数据配置效率，并且引入了多种功能AI Agent实现了模板的快速生成、灵活的数据存储、工业场景重构等高阶功能，提升了工业数据处理的灵 活性。 基于AI Agent的工业物联网关广泛应用于汽车制造、特种装备制造、军工等多个行业，创造了巨大社

智能自主做出的日常工作决策的比例将从 2024 年的 0%提升至 15%， 1/3 与生成式人工智能服务的交互将通过调用动作模型和自主代 理完成 [10]。MarketsandMarkets 预测，全球 AI Agent 市场将从 2024 年的 51 亿美元增长到 2030 年的 471 亿美元，年复合增长率达 44.8% [11]。 图 2 Anthropic 预测 2026 年智能体推动 AI 认知能力到达 成为竞争风口。OpenAI 陆 续推出 Operator 和 Deep Research 等 AI Agents，以及帮助开发 者构建 AI Agents 的 Responses API、单 Agent 和多 Agents 工作 流编排工具 Agents SDK 、Agents 工作流程执行情况跟踪和检查 工具 observability tools 等；微软着力打造全球最大的企业级 AI AI Agents 生态系统，已支持超过 10 万家公司通过 Copilot Studio 创建 AI Agents；谷歌 DeepMind 发布用于通用算法发现和优化的 编程 AI Agent——AlphaEvolve，并已利用实现谷歌数据中心效 率提高、Gemini 模型运算速度提升和训练时间缩短、以及提出困 扰数学家超过 300 年的接吻数问题解法。 标准化协议为 AI Agents 普及铺平道路。AI

one/cap/dbs/中间件等其他平台的资产配置 信息，通过定时同步的方式作为补充手段 G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 技术架构 采集 决策 处理 agent jdos api zabbix api 通知 自动处理 人工处理 规则管理 规则匹配 回溯分析 预设规则 知识库 深度学习 决策树 异常反馈 …… 分析 使用率统计 业务分析 根因分析 趋势分析 故障预测 数据挖掘 大数据分析 dbs api G O P S 全 球 运 维 大 会 2 0 1 9 · 上 海 站 技术架构 Kafka 历史数据 t agent tt Heatbea t-server 实时数据 告警模块 通知模块 上层业务架构 transfer JMQ redis queue Kafka cluster redis redis cluster 知识库 监控数据 告警分析 Trap reciever 通知模块 consumer 底层监控架构 短信 mail callback logstash agent logstash agent logstash 心跳、配置同步 redis redis mysql 定时同步 历史查询 历史查询 故障预测 历史查询 历史查询 报表服务 transfer transfer

模型，不仅演进到视频生成的能力，还具 备理解和应用现实世界物理规律的强大能力。AI 大模型逐渐从 能说会道过渡到了突破多模态，形成了人机混合、自主理解、规 划决策、执行复杂任务的智能体 AI Agent。 二是模型结构持续演进。稠密模型由于其结构简单及易于实 现，在早期成为大模型的主流。但是随着 AI 模型规模不断扩大， 计算和存储资源的需求不断增加，成为新的挑战。稀疏模型因其 支持参数 计算平台联合调度，构建高速无阻塞高可用智算网络系统；同时 以 AI 技术反哺网络运维，构建网络大模型以构建智能化运维网 络能力。 三是完善 AI 网络生态，支撑模型能力延展，完善生态化服 务场景。支撑企业 AI Agent 系统构建，从自挖掘价值业务场景， 到自优化服务对象；从业务需求到网络能力，最终构建一个可自 22 检、自治、自愈、自闭环的 AI 网络智能体。 AI大模型智算网是金融科技数字化转型的关键技术之一，各 三是构建网络智能体，支撑 AI agent 基础设施生态构建。 随着 AI 大模型在行业的推广，以及基于 LLM 驱动的 Agents 自 动化逐步落地，金融各机构会拥有越来越多的 AI Agents 处理任 务。网络也将具备 AI Agent(网络智能体)能力，支撑 AI Agent 基础设施生态构建。当前金融行业已在金融分析、金融风控、贷 后处置三类场景进行 AI agent 研究创新，但各场景涌现的准度