腾讯-助力新媒体打造新场景-腾讯云文化传媒场景方案分享

助力新媒体打造新场景腾讯云文化传媒场景方案分享从“移动原生”到“Agent原生”•没有移动设备就不会存在的应用•代表案例；微信、滴滴等•没有Agent就不会存在的应用•代表案例：元宝、Cursor科斯《企业的本质》：企业存在的目的是为了节科斯《企业的本质》：企业存在的目的是为了节约市场交易的成本。AI的出现会对企业的规模、边界和结构产生重大影响。“Agent原生企业”是整个组织都构建在与AI的协同之上，人与Agent协作的成本非常低的企业。演进：从回答到执行腾讯云智能体开发平台智能体时代统一数据治理轻量化虚拟演播制作一人工智能即将迈入新阶段能力维度水平维度影响维度74、以前也能做：传统的编码开发或者低代码的配置平台，同样能实现类似Agent的流程功能。统能力随着模型能力增长可自然提升。4、协同：多智能体的组装、协同、竞争，能够。 Agent的媒体落地需要面向“企业级”11大量的开源平台和开源模型，让大家比较容易产生一种“我也能”的错觉。但越来越深入追求业务落地后往往会发现：企业级应用与消费级、科研级有本质的差异。2做一个汇聚了几十上百智能体的AIGC平台容易，让业务人员留存在这个平台上持续的发挥价值很难：智能体必须深度的嵌入业务工作的全流程3智能体的核心是自我思考与交付成果。没有语义统一的数据层支持，智能体的自动执行与智能决策都无从谈起：系统架构新范式：Data+AI+Agent“企业级”这一术语意味着承受业务严苛的需求99.9%的正常运行时间，制定灾难恢复计划。严格的访问控制机制、遵守行业法规。负载增加时不能出现性能下降和可靠性问题。避免其转向消费级替代方案出现安全风险。包括优化服务、定期更新、漏洞修复等。具备全面审计和日志记录能力。企业级智能体与消费级智能体的差异在特定业务环境中完成具体工作，确保安全、合规和高可靠性;具备通用世界知识，但缺乏对特定组织内部情需具备对企业内部环境的深度情境感知能力，包括理解组织架构、员工角色、权限级别、业务流程及专有数据，理解企业“业务现实”通常利用用户数据改进通用模型，数据治理标准视企业数据为核心专有资产，确保数据绝不用于训练公共模型，处理过程完全隔离，并严格遵守企业隐私和安全协议安全性重要，但风险通常局限于单个用户的个不接受任何可能损失，需严格验证、风险防范，遵循“安全始于设计”理念新一代传媒AI跨平台统一入口策采编发企微协同工作台个人/企业知识库音视图内容库跨平台统一入口策采编发企微协同工作台个人/企业知识库音视图内容库业务洞察人群圈选业务洞察人群圈选效果分析创作类Agent数据类Agent数据科学数据智能智能问数策划采集视频编创策划采集视频编创仓库Agent编辑插件编辑插件接入工作流画布Agent编辑插件编辑插件接入工作流画布多模态资产库多模态语料库高质量数据集多模态资产库多模态语料库高质量数据集非结构化数据非结构化数据高性能计算高性能网络高性能存储表格高性能计算高性能网络高性能存储表格K-V库标签库训练加速推理加速以“媒体Agent助手”为核心的智能体一站式解决方案•面向不同发布平台，以符合媒体风格的口吻，形成不同发布稿，支持多平台多类型分发•全面收集运营数据与传播效果，形成分析报告与洞察策略，辅助•面向不同发布平台，以符合媒体风格的口吻，形成不同发布稿，支持多平台多类型分发•全面收集运营数据与传播效果，形成分析报告与洞察策略，辅助进行深度运营决策•实现企业内部办公自动化与一体化协同，快捷反馈，准确答复，提质增效办公文档个人工具办公文档个人工具企业章程收藏文案生产流程数字分身媒体稿件解析生产流程数字分身媒体稿件解析媒体风格个人文风角色个人文风知识•在内容管存方面，完成事实核容自动化聚合生产的效果助手打造每个媒体人自己独一无二的AI助手一个典型的企业级超高清媒体处理智能体示例用户目标意图识别智能工作流结果输出分……基于媒体AI助手的媒体工作台，典型协同工作流程面向策采编发全流程的多角色智能体策划助理自动发现热点事件，可按照地区热点、分类热点等提供策划助理自动发现热点事件，可按照地区热点、分类热点等提供您最关注的热点内容。还可根据热点提供多种方向的选题建议和写作建议，助力选•观点分析•智能选题建议编辑助理根据热点事件和选题建议，自动生成新闻大纲。并根据编辑的需求进多种类新闻稿件的写作，包括新闻通讯稿、新闻报道、新闻评论等。•新闻大纲写作•新闻通讯写作•新闻报道写作•新闻评论写作审核助理为新闻稿件中的图文内容提供多源事实核查和文稿智能审校，并提供修改建议。同时结合天御能力提供文本和图片的安全审查功能。•事实核查•文稿审校•文本内容审查运营助理可将新闻稿件一键生成微博分享文案、小红书笔记文案和公众号文案等，提升运营效率。还可助力社交媒体贴文智能分析、智能评论等。•新媒体分享文案生成•贴文智能分析•贴文评论创作•智能翻译采集助理可提供相关事件检索的AI能力，提高信息采集效率。还可根据新闻主题或采访主题采集助理可提供相关事件检索的AI能力，提高信息采集效率。还可根据新闻主题或采访主题自动生成包含破冰引入、逐步深入的采访问题内容，并将采访内容整理为可用素材。•采访问题生成•采访目标建议•采访内容整理•相关事件检索腾讯云ADP智能体引擎智能体开发接口全面的智能体协同配置方式引入Agent节点，流程智能运行从传统RAG到AgenticRAG插件广场知识库模版库智能体开发接口全面的智能体协同配置方式引入Agent节点，流程智能运行从传统RAG到AgenticRAG插件广场知识库模版库流程画布模型广场精调模型代码沙箱/浏览器沙箱应用评测/应用运营平台端/应用端权限内容安全/模型运行安全等•强大的多Agent协同能力：自由转交、•提供高效、客观、全方位的智能自动化评•官方精选的高质量插件库，插件数量达•官方精选的提示词模板和应用模板•腾讯云大模型知识引擎：三大应用模式，满足客户多样需求要稳定选标准模式，要定制选工作流，要自由度选Agent！标准模式“最强知识外挂”到更稳定和精确的知识问工作流模式“智能生产线”所有对话。适用对应用的执行“AI指挥官”建。适用于有灵活回复或快速把企业五花八门的知识库喂给大模型，没那么简单！复杂排版的阅读顺序横向多栏纵向多栏表/表注群组难点：企业知识格式多样、图文并茂复杂排版的阅读顺序横向多栏纵向多栏表/表注群组复杂的表格结构有线表格有线表格无线表格无线表格少线表格少线表格跨栏段落跨图段落跨表段落图表文环绕复杂的子元素识别跨栏段落跨图段落跨表段落图表文环绕表格内图像段落内公式表格内公式段落内图像表格内图像段落内公式表格内公式段落内图像腾讯云ADP:强大RAG能力加持，搭建精准的知复杂文档解析、切分、检索、推理、生成准确率保持领先上线基于LLM的embedding模型，多文档信息召回率从85%索及跨表检索准确率，SQL执行准确率80%+通过SQL检索表格信息上线基于LLM的embedding模型，多文档信息召回率从85%索及跨表检索准确率，SQL执行准确率80%+通过SQL检索表格信息Query天棚灯的产品包含哪些”业界首个支持200MB以上超大文档vs.业内普遍100M丰富的文档类型，超过26类vs.业内普遍10类以内支持图文混排（多列排版）版面分析、图文表/公式/页眉等元素识别腾讯云ADP：充分考虑文、图两种模态的检索优化、能力打磨“制动系统怎么保养？”腾讯云ADP“工作流”:支持用户快速编排复杂应用面向复杂业务流程场景，升级复杂应用构建提供10+画布节点，编排复杂应用，复杂提供10+画布节点，编排复杂应用，复杂流程的执行准确率和对话完成率效果领先。通过可视化拖拉拽的方式编排不同的原子能力，零代码/低代码构建业务流程。其中参数提取节点，支持多参数同时提取、基于对话历史进行多轮反问澄清等优势能力，对话效果更优势。大模型相关的节点均接入DeepSeekR1和V3模型，可支持自由选择和切换。腾讯云ADP“工作流”:全局Agent管控由大模型自主拆解任务和规划路径，模型主动选择和调用工具，并能够主动纠错和反思，回复效果更灵活。思考规划Agent主动选择和调用工具搜索引擎代码执行计算器主动选择和调用工具搜索引擎代码执行计算器品日程预定a股票信息百科信息品自定义工具输出回复容输入问题主动纠错/反思上一步行动有瑕疵，模型主动纠正上转交智能决策agentagent文档转换文档转换 位置服务位置服务机器翻译搜索三智能体时代的统一数据治理媒体“数据”系统建设现状烟囱式架构，始于业务需求，终于定制系统数据汇聚数据处理数据仓库BI大数据系统监控系统监控系统是资产是资产数据割裂数据重复存储数据难复用模型不一致指标不统一无当前数据能力的痛点：两个割裂非结构数据与结构数据的割裂•企业内结构化数据与非结构化数据缺•结构化数据处理依赖固定规则，无法•非结构化数据无法自动转化为可理解数据资产与知识能力的割裂•数据中台的BI工具能处理数据库中的规整数据，却无法连接内容运营、用•从数据洞察到业务价值，需要先从让数据知识化，包括数据准备、知识解传统分析流程成为数据价值变现卡点数据分析供需错位大量需求被压抑经营分析播放分析增长分析经营分析播放分析增长分析喜好分析流失分析用户运营业务部门业务部门数十个数十个数据库数字化的后面几公里数据中台建设解决了数据沉淀、分析、使用问题没有解决知识沉淀问题，没有解决数据洞察问题，更没有解决基于数据的决策与执行问题模式规则关联模式规则关联•数据资产自主策略制定自主任务执行偏好知识&信息自主评估优化知识&信息约束竞对信息通用知识行业知识政策知识竞对信息通用知识Gartner进入“代理分析”时代分析师精心处理、分析而形成的“固定“数据洞察以直观、对话的方式让用户直接与数据互动人--进入“代理分析”时代分析师精心处理、分析而形成的“固定“数据洞察以直观、对话的方式让用户直接与数据互动人--------------------b利用灯塔一平台，实现播放页千人千面推荐模型+用户行为统计分析数仓分层&数据预处自然语言理解生成分析SQL，提高数据开发的生产力无需用户具备专业大数据与ML训练融合提供一体化体验------大数据与ML训练融合提供一体化体验--------------------b人找数据Agent带着微信读书"RI问书"包括书籍引源、猜你想问等丰富的互动能力基于文本倒排的检索与分析通过检索增强，激活企业80%+非结构化数据价值--------------------⃞提供一体化数据分析和AI应用，降低运维与开发成本可提供一站式的高精度全文检索+向量检索RAG方案一站式AI广告创意平台腾讯广告妙思运营数据与生成式AI深度融合被动的一站式AI广告创意平台腾讯广告妙思运营数据与生成式AI深度融合被动的数据“仓库”主动的AI数据平台企业内业务数据融合LLM，产生更好的GenAI应用Snowflake的AI套件，Snowflake的AI套件，它利用大型语言模型（LLMs）来理解非结构化数据、回答开放式问题并提供智能辅助。包括：•CortexLLM•DocumentAI：Doc转成结构化数据only•CortexSearch：TEXTonly•CortexAnalyst：强调高准确度，但目前仅支持单表在结构化和非结构化数据源之间进行协调，以提供洞察。规划任务，使用工具来执行这些任务，并生成响应。CortexAgent使用CortexAnalyst和CortexSearch作为工具，与LLMs一起分析数据•AgentFramework：Agent开发平台•AgentEvaluation：端到端的Agent效果评估模块，支持HumanF•Playground：可以选择基础大模型和工具，探索性Agent的使用效果•VectorSearch：非结构化数据处理内置向量检索服务，Agent实时检索各数据SnowflakeML提供端到端的机器学习服务，所有功能都在单一平台上实现。统一的机器学习开发和生产环境，经过优化，可实现大规模分布式特征工程、模型训练和推理，支持CPU和GPU计算，无需手动调优或配置。数据工程agent•主要做数据准备相关的工作，数据清洗、转换、验证等•无缝处理结构化&非结构化数据数据科学agent•参与model开发的所有环节，例如：自动特征工程、提供智能模型选择、训练等。•嵌入在Colabnotebook对话式分析•用自然语言进行数据分析•嵌入在Looker、application•••同时处理传统SQL和Gemini，以实言理解和推理能力。强调无缝处理结构化和例子：这些社交媒体图片中包含的主要产品，是在哪些新兴经腾讯云数据分析智能体根据需求自动调用一体化平台，根据需求自动调用一体化平台，自动生成数据科学Pipeline一站式构建基于企业知识库并与大模型无缝集成的智能搜索应用为企业提供一个全托管的智能体服务，用于整合、检索和分析结构化&非结构化数据，帮助用户更直观的理解数据，并提取有价值的洞察，从而支持更快、更准确的决策。腾讯云数据分析智能体TCDataAgent应用自动构建数据工程Pipeline，完成项目开发、调试、调优等工作规划中数据科学Agent自动构建数据工程Pipeline，完成项目开发、调试、调优等工作规划中数据科学Agent灵活根据用户话题发起即时问询，直接获取数据结果或深度分析数据配置语义理解模型配置意图/规划记忆管理会话管理基础服务模型服务Workflow服务基础服务模型服务Workflow服务LLM自动标注手动标注文档理解标签抽取SemanticModelGraphHybridSearch数据集管理(训练/评测)AIGuardrailsRayonTKETCLake混元大模型模型部署DeepSeek模型微调NL2SQLCodeGenAISearchDocumentAI数据科学Xpark元数据获取文档/图片处理结构化数据非结构化数据记忆检索联网搜索代码执行解读报告…GUIAPI数据融合SDK•结构化数据支持连接多种数据源，非结元数据获取文档/图片处理结构化数据非结构化数据记忆检索联网搜索代码执行解读报告…GUIAPI数据融合SDK•结构化数据支持连接多种数据源，非结构化数据支持内置知识库和自有知识库MCP•支持语义理解和配置，自动理解业务语境TCAnalystTCAnalyst•智能分析：智能数据分析、智能日志分析等•智能检索：AI搜索、企业知识管理等业务部门数据部门lul基层业务人员ChatBI基层业务人员ChatBI数据分析师高基层业务人员问答式分析小白都会用秒级响应出结果随时随地便捷分析用户提问后，ChatBI支持根据数据表名称、数据表备注、字段名称、字段备注、关联配置等信息进行语义理解后，智能选表/关联回答用户提问“展示2024年缺货商品情况”“业务人员无需关注数据表和字段”用户提问用户提问“展示2024年缺货商品情况”“业务人员无需关注数据表和字段”“展示2024年全国的订单情况”“显示2024年上海仓的库存情况”数据表信息数据表信息订单ID关联字段数据表信息数据表信息订单ID关联字段订单ID…智能选表结果智能多表关联结果智能选表结果示例：“2024年财经栏目每个月的日活分别是多少”示例：“不同的品类的占比情况如何”示例：“24年每季度广告费收入和同比增长率分别是多少”•示例：“上周订单的毛利率是多少”（毛利率=毛利/总金示例：“25年公司所有产品的销售额排名”•示例：“各个渠道的数量和占比”问题数据表Source1问题数据表Source1DocumentAI文本Source2DocumentAI文本Source2数据库数据存储知识库数据库数据存储托管/第三方向量存储托管/第三方向量存储智能应用智能应用知识库分类构建知识库分类构建文档结构化数据库数据科学结果库文本知识库键值数据库知识处理数据科学数据聚类机器学习数据工程数据智能体插件知识提取键值处理图谱知识处理数据科学数据聚类机器学习数据工程数据智能体插件通用智能体插件知识分类影视内容新闻素材库新闻稿件节目脚本评论/社论专栏文章定期报告白皮书运营数据影视内容新闻素材库新闻稿件节目脚本评论/社论专栏文章定期报告白皮书运营数