狠狠色2019综合网,久久精品一区二区三区不卡牛牛,国产精品久久久一区二区

教學設計

培訓提供

學習項目

培訓管理者

內訓師培養

企業級AI智能體實踐：用得上、做得深、回答準

熊俊彬

CSTD人才發展平臺

2025-07-11

隨著AI熱潮的興起，從2023年開始我就全身投入AI實踐與研究。從AI應用到工具開發，無論是通過人才培養還是舉辦活動，都希望探索企業培訓AI轉型之路，其中AI智能體開發貫穿始終，尤其是越來越多企業開始部署本地化大模型，智能體對于企業AI應用落地顯得尤為重要。這其中有些心得總結起來就是：用得上，做得深，回答準！

用得上：開發企業級智能體應用平臺

2025年，隨著智能體應用在千行百業加速落地，智能體應用開發的實際需求和痛點也正在發生變化。過去兩年，以大模型為中心的AI應用搭建平臺逐漸實現了“人人都可以開發智能體”，但如果想要讓智能體真正做到企業級應用——成為能夠背著OKR跟企業共同成長的數智員工，能開發出來智能體只是第一步。

從 “C 端熱鬧” 到 “B 端受冷”：智能體 “用不起來” 的困局

去年，我們團隊在 Coze、文心等平臺上前后開發出上百個智能體。但這些智能體基本是給C端用戶使用。比如我們在豆包上發布的“課程生成器”、“試卷生成器”等智能體，用戶高達上萬人，卻不知道哪些用戶在使用，更不知道他們對智能體的使用情況和反饋意見，這對企業來說并不能創造直接價值。

建個 “AI 門戶”：讓智能體從 “散養” 到 “家養”

為解決智能體上線后“用不起來”的痛點，我組織IT團隊開發了一個企業級的智能體應用平臺——磐智AI數智員工賦能平臺。在Dify平臺上開發，將應用分散、缺乏統一入口和權限管理的智能體聚合在公司官方網站上，并與公司用戶管理系統、會員管理系統連接，形成AI門戶，實現了按用戶角色訪問、使用記錄可追蹤，信息安全可保障等功能，結果是員工和會員用得順、IT 管得住。

讓智能體融入業務中：從 “能用” 到 “好用” 的關鍵

真實的商業環境里，數據在變、場景在變、業務需求在變、驅動智能體的大模型也在進化。能夠在真實場景中結合業務、數據和模型實現相互耦合、動態進化的智能體，才是真正從“能開發”走向“能用、好用、用得起”。磐智AI平臺在交互過程中，系統會自動積累用戶數據與偏好，反哺智能體優化，形成“使用-迭代-更智能”的正向循環，讓“數智員工”真正融入到企業業務中。

當前是AI智能體從“炫技”走向“實用”的關鍵時刻。如何讓智能體在企業中“生根發芽”，從低門檻到高性能？如何讓數字員工“持證上崗”？這都是企業應用AI必須首先考慮的問題，這背后是一整套對業務理解、開發能力與模型協同的系統思考。未來的企業，不是有沒有AI，而是誰能真正把AI用好。

做得深：AI學習設計師的“重生”

在過去十年里，我一直致力于推動企業學習項目的設計。我最想開發的智能體就是能夠幫助設計學習項目的智能助手。然而從構想到落地花了一整年。

用戶初體驗：只會套模板的工具

2024年6月我們在Coze平臺上搭建了一個“培訓方案生成器”。用戶無需輸入復雜的提示詞，只需通過與智能體的對話提供培訓需求等信息，就能生成一個完整的培訓方案。

結果第一批用戶反饋扎心了：方案是全，但像套模板。更尷尬的是，隨著DeepSeek等推理模型的廣泛應用，直接使用大模型生成的方案質量已經不亞于我們的“培訓方案生成器”。

重新定位：融入業務的數智員工

為了發揮智能體的獨特價值，我們重新思考了智能體的定位。這次，我們不再將智能體僅僅視為一個工具，而是將其定位為一名數智員工的角色。

CSTD有一個“學習設計師認證”的項目，已經舉辦了110多期。我們設想能否開發一個AI認證導師，不僅能幫助學員掌握學習項目設計的方法和理念，還能輔助生成學習項目方案，甚至可以還可以生成學習地圖、培訓課程和運營方案等。

2025年3月，春季認證班我們試著用了這個新智能體，還大膽取消了線下面授——結果學員炸了鍋。有位學員直接反饋不想做“小白鼠”。沒辦法，我們加了一天“AI+學習設計”線下課，帶著大家演練智能體操作，效果超過學員預期。95%的學員通過AI伴學都過了認證，有6個項目還直接進入了第十屆企業學習設計大賽復賽。

功能優化：因材施教的智能導師

在智能體使用過程中學員們也提出了很多建議，比如智能問答最好匹配視頻微課，方便系統掌握知識技能；方案生成最好能借鑒以往案例（CSTD通過學習設計大賽沉淀了1000多個項目案例）；智能體的功能也不要太復雜等等。

于是我們團隊又重新優化智能體，以上問題逐一解決，并在6月份舉辦的夏季認證正式使用，得到學員廣泛好評，而且“AI伴學+直播輔導”的形式也得到學員肯定，大大減少了學習成本，提高了學習效率。

從“培訓方案生成器”到“AI學習設計師”的智能體開發過程，充分感受到“DEMO五分鐘，落地一整年”的挑戰。智能體開發需要從業務視角定位智能體角色，并持根據用戶場景需求續不斷地優化調整，才能讓AI真正落地。

回答準：給智能體建個“靠譜的知識庫”

智能體最讓人頭疼的是“一本正經地胡說八道”，也就是在特定領域知識上存在"幻覺"問題，可能生成看似合理但實際上不準確的內容。

比如“AI學習設計師”智能體推薦A項目案例時，會引用B項目的目標，C項目的實施方案；“培訓智搜”智能體找講師，輸入“制造業生產管理”的講師，結果推了個講領導力的老師。在企業應用中，錯誤信息可能導致嚴重后果，這是不可接受的，問題主要出在知識庫數據質量。

"垃圾進，垃圾出"

無論大模型的算法多么先進，智能體的工作流多么專業，如果底層的知識數據質量不佳，系統的表現也會受到限制。因此，知識數據整理是構建智能體的基石。

在調試“AI學習設計師”智能體過程中，我們最早加載的案例知識庫，只是將之前編寫的案例集直接轉為知識庫。這些非結構化的內容，智能體要么“答非所問”，要么把A公司的銷售項目案例安到B公司的生產崗上。

"結構化，向量化"

在深度研究大模型知識庫構建后，我們團隊花了一個多月的時間“拆課程”、“拆案例”：將原來的課件拆分成200多個知識點，同時挑選最有參考價值的案例，避免過期或存在錯誤的文檔影響智能體的使用，然后把每份案例切成500-600字的片段，標上所屬行業、學員對象、項目背景、項目目標、設計思路等30多個標簽，最后向量化處理后加載到智能體中。

激活知識資產

現在的”AI學習設計師’智能體，在推薦案例時不僅能實現95%以上準確率，而且在設計方案師也能參考更加相似的優秀案例，比如設計“銷售新人培訓項目方案”事，智能體先調出3-4個同類案例的設計思路，再結合用戶需求生成方案。把CSTD沉淀10年1000多個全國優秀企業的學習項目案例徹底激活。

同樣的方法，我們又把CSTD沉淀的近萬名講師的資料整理成數據庫，通過“培訓智搜”、“講師智選”等智能體，幫助員工和會員精準尋找合適的講師課程，后期還會將師資庫加載到“培訓方案生成器”中，無論甲方還是乙方設計培訓方案時都可以智能匹配師資。

知識庫質量是企業AI應用成敗的關鍵。每個企業都有其獨特的業務場景、流程、知識，如何讓通用大模型理解業務場景、掌握企業的知識和流程，這不僅是一個技術挑戰。

培訓人的AI進化：從人才培養到智能體訓練

這兩年見了上百位企業培訓負責人，發現一個規律：最早轉型的培訓人，都在做“智能體訓練師”。

為啥是培訓人？我們懂業務場景（知道智能體該解決啥問題），懂人才培養（知道怎么給智能體“設定角色”“教技能”），還懂知識管理（知道怎么喂給智能體靠譜的“智慧”）。

想轉型？先搞懂這三件事

會“定義角色”。給智能體畫“人設”，比如“你是零售店長的培訓顧問，說話要接地氣，多舉超市案例”——就像我們給內訓師做定位一樣。

會“拆業務”。把“提升銷售業績”拆成“客戶畫像→產品匹配→談判話術”，再讓智能體逐個攻破——這和我們做工作任務分析的思路相通。

會“管知識”。知道哪些知識有用，哪些案例可取，怎么給知識打標簽、做更新——這正是培訓人天天在做的“經驗萃取”、“知識傳授”。AI不是洪水猛獸，是工具，是伙伴。培訓人最懂“培養”的邏輯，而智能體，不過是我們培養的“數智員工”。

未來5年，企業拼的不是有沒有AI，而是有沒有能“玩轉AI”的培訓人。期待在訓練營見到你，一起把智能體變成培訓的“超級引擎”。

AI 、教學設計、培訓提供、學習項目、培訓管理者、內訓師培養