出品机构：甲子光年智库 分析师：刘瑶、翟惠宇、努尔麦麦提 · 买合木 提 发布时间： 2025.07 Al Agent Part 05 来日正长， Agent 的翻涌带来无限可能 Part 04 实践真知，企业级 Agent 实践的新范式 Part 02 价值认可，场景重塑与价值深挖 Part 03 蓬勃发展，企业级的生产力再造 Part 01 01 概念泛化，商业价值推动产业发展 目 录 2 AI Agent 的兴起并非偶然。大模型、算力供给、能源供给、开源、生态系统和产业应用的同步发展，共同“托举”起 AI Agent 恰逢其时的 诞生，成为当前最值得关注的技术趋势之一。 其中，大型语言模型、模块化架构与协作框架为其筑牢根基，持续发展还需攻克评估、安全与适应性难题。 等平台提供开放、可扩展的 环境，支持灵活的 AI Agent 的开发 基准测试、评估框架的可用性以及与实际工 具的集成支持 AI Agent 开发和部署 企业、金融、医疗等多领域应用推动 AI Agent 架构和安全、合规等标准的完善 数据来源： OpenAI ，公开资料、甲子光年智库总结整理 2025 年， AI Agent 风口已至：基础能力成熟，推动 AI 迈向新阶 段

智能分析 AI Agent 在金 融 行业的先进实践与展 望 数势科技 岑润哲 金融行业经营分析领 域的现状和痛点 智能分析 AI Agent 相 较 传统解决思路的技术 创新 总结与展望 当前行业内通用解决思 路及主要问题 智能分析 AI Agent 的 应 用场景与价值 目录 C O N T E N T S 01 03 05 02 04 walmart* 利用大模型 Agent 能力，显著降本增 效 门槛低 效率高 能力厚 交互性强 门槛高 效率低 能力薄 交互性弱 老板任务 运营任务 产品任务 临时需求 数据 Agent （大模型） （秒级响应） 数据 +BI 数据 +BI 数据 +BI 数据 +BI 数据提取 CONTENTS 智能分析 AI Agent 相 较 传统解决思路的技术 创新 仓外语义 -- 灵活便捷、贴近业务 • 数据建模右移，更贴近数据消费 endpoint ，更便于 LLM Agent 规划推理； • 基于虚拟层做数据编织，口径管理更灵活、便捷 指标平台 + 大模型组合方案提升可靠 性 Agent 架构将提升复杂任务理解与规划能 力 数势科技 NL2MQL+Agent 路径是效果更优的科学路

数字运营 ： AI 辅助智 慧决策 企业级人工智能基础设施（算力 网络 存储等） 外部数据 网站、 信息门户、 社交媒体、 行业资讯 … 360 AI 企 业 知 识 库 Agent 构建平 台 MCP 插件调用 AI + 电力行业智能应用场 景 Agentic RAG 指标建模 全域多源异构知识捕获 全方位 安全管控 版式分析 ASR/TTS 图像解析 视频解析 pdf/ppt/doc/xls/ 图 / 音 / 视频 等 • OCR+360 新一代图文跨模态 VLM ，大小模型结合解析更精准 • 支持多模态交互（输入 / 输出） ，万物皆可交互 ④ 可为 Agent 提供超强 “ 上下文与记忆” MCP 服务 • Personal Context ： eg. 最近浏览文件 / 文章、会议、项目进 展 • 支持记忆瘦身：把长故事变成要点 ，防止 AI AgenticRAG 技 术 • 以 Agent 重构传统 RAG ，提升问答准确率及效果 • 长链路、多跳、事实推理效果更佳 • 跨模态数据融合应用：打通结构化与非结构化知识 ⑤ 内置企业级敏捷 Agent 平台 + 丰富的知识类技能 + 知识类智能体市场 • 专业的知识类技能 ：比如文档解析、录音转写、发票识别 • 丰富知识类 Agent ：知识问答 / 创作型 / 技能型 /

1. 自动化思维链 (CoT) 的实现是新一代大模型的精髓之一 2. 经过精心设计的少量高质量样本即可实现适用于某个专业领 域 的高性能低成本推理模型 小结二： 智能体 (AI Agent) 是什么？ • 大模型除了可以和我聊天、 回答问题 ， 到底还能干什么？ 灵魂发问 灵魂发问 • ChatGPT 的回 答 ① 用户打开邮箱，手动拷贝邮件内容 ② 用户将邮件内容拷贝到大模型运行 ， 可以分析 & 推理、 规划任务、 输 出文字 \ 代码 \ 媒体。 然而 ， 其无法像人类一样 ， 拥有运用各种 工具与物 理世界互动 ， 以及拥有人类的记忆能力。 智能体 (AI Agent) • LLM ：接受输入、思考、规划任务、输出 • 人类： LLM （接受输入、思考、规划任务、输出） + 记忆 + 工具 Reflection Self-critics Chain 以上一个输出为下一个输入的 一部分。 Agent ，能自主执行链式调用， 以及访问外部工具。 Multi-Agent ，多个 Agent 共享 一 部分记忆，自主分工相互协作。 Agent System 五层基石理 论 Environment Memory & Decision Making Agent Action n LLM-powered

系统方自定义 Promethues exporter 调用链接口业务打标 告警配 置 核心场景、核心业务链路 人工梳理上报 浏览器 JS 埋点 AP P S DK 调用链 agent 采集 应用指标、 trace 云平台维护方自定义 Promethues exporter Promethues exporter snmp 协 议 + Promethues 链路自动拓扑 告警配 置 告警计算 应用性能分析 业务、应用维度链路展现 kafka Redis 告警计算 指标聚合 应用实例、主机 串 联 明细分析 agent agent agent agent agent 链路自动拓扑 全层级告警墙 业务报文查询 应用性能分析 应用根因定位 C M D B 系统 C 系统 B 系统 E Naco s Flink 查询 智能自愈 判断逻辑 引擎 自 愈 工 单 审 批 自 愈 工 单 生 成 从 收 到 告 警 到 恢 复仅用 47s 2023-09-07 16:20:45 自动触发诊断 自动化运维 agent （物理机） 告警 配 置 2023-09-07 16:20:45 应用告警 基础资源运维 场景 业务服务运维 场景 应用系统运维 场景 运维 PaaS 平台 运维专家

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

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

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 6. 基于大模型的智能 体 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

3. 基座选型—— 核心模型构建 4. 安全筑盾—— 防护体系建设 5. 场景深耕—— 业务痛点突破 6. 知识聚库——本地知识库建设 7. 智能铸魂 —— AI Agent 构建 三、 四横三纵应对策略路径 智绘之路 ®deepseek 四横三纵七步谋， 智算筑基夯根基。 筑牢安全破瓶颈， 智识赋能启新章。 应对 DeepSeek 浪潮的策略路 径 5 、场景深耕—— 业务痛点突 破 规资部门业务系统涉及的领域广泛，土地、矿产、林业等部门原分属不同体系，如林 业与国土规划长期分治，导致流程割裂、数据孤岛。 DeepSeek + AI Agent 把分散 系统有机整合起来。 5 、场景深耕—— 业务痛点突 破 规则明确 需强大推 理分析 数据密集 提升回答准确性，对抗大模型 幻觉。 保护数据安全，防止信息外泄。 提高信息可追溯性和透明度。 据的规模、知识边界和时效性等问题。 AI Agent 通过获取外部工具的使 用 权，可以突破这些限制，实现更复杂的任务。 AI Agent 构 建 7 、智能铸 魂 Manus 定位为“ 自主执行体 ”，突破传统 AI 仅提供建议的局限，通过“规 划 - 执行 - 验证 ”全闭环架构，实现复杂任务的自动拆解与成果交付。 AI Agent 构 建 7 、智能铸 魂 Agent 实际应用中各类 API 和数据源差异大，

腾讯云大模型应用开发平台“知识引擎” —— 免部署，分钟级搭建应用 腾讯云大模型知识引擎：基于大模型的应用开发平台 聚焦严谨场景，打造大语言模型应用开发平台 , 提供 LLM+RAG 、工作流、 Agent 多种应用开发方式，来助力企业及开发者，加速大模型应用 落 地。 混元大模型 turbo large standard standard-256k 腾讯内部产品合作 数智人 企点客服 腾讯学堂 乐享 应用 原子 能力 大 模型 文档解析 - 拆分 - 入库 - 检 索 向量化（ embedding ） ③Agent 模式 调用插件 / 复杂工作流 响 应用户对话 ② 工作流模 式 指定工作流响应 用户对话 文档拆分 重排序 （ rerank) ① 官方插件 文档解析 / 混元文生 图 .. 于 企业知识服务、产品咨询等严 肃 问答场景。 Agent 模式 “AI 指挥官 ” Agent 模式由大模型进行任务 自 主规划和工具调用（ function- call ），可实现高效应用搭建。 适用于有灵活回复或快速搭建 需 求的服务问答场景。 要稳定选标准模式，要定制选工作流，要尝鲜选 Agent ！ 腾讯云大模型知识引擎：三大应用模式，满足客户多样需求