2025年助力新媒体打造新场景腾讯云文化传媒场景方案分享报告-

助力新媒体打造新场景腾讯云文化传媒扬景方案分享需要我们到底怎样的____?____怎样？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。从“移动原生”到“Agent原生”Agent原生如何建设人与Agent的混合团队？•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移动原生演进：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CONTENT目录01020304一

演进：从问答到执行人工智能即将迈入新阶段能力维度水平维度影响维度202320251、成本门槛：极大降低了应用开发成本和门槛。2、简化流程：让模型来处理参数转换，减少流程配置工作量。3、自主提升：与电脑/网络/工具更自然的交互，系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。诸多质疑1、响应速度慢：思考+拆解+推理+流式输出。2、会出现幻觉：事实性错误与不遵循指令。3、交互不友好：长篇大论罗嗦输出，相对点什么做什么的模式，明显不友好。4、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。质疑Agent，理解Agent，应用

Agent

显著优势7极高的可靠性：99.9%的正常运行时间，制定灾难恢复计划。具备端到端加密、数据防丢失：严格的访问控制机制、遵守行业法规。无缝处理高并发、多用户、海量数据支持：负载增加时不能出现性能下降和可靠性问题。直观易用，让各类非技术型操作人员快速的上手：避免其转向消费级替代方案出现安全风险。需平滑的与企业现有复杂的

IT生态系统集成：成为统一的

IT基础设施。供应商提供全面技术支持和维护服务：包括优化服务、定期更新、漏洞修复等。提供精细化的策略管理能力以控制用户和系统行为：

具备全面审计和日志记录能力。Agent的媒体落地需要面向“企业级”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：高可靠性安全性扩展性易用性集成性支持与维护治理与控制企业级应用与消费级、科研级有本质的差异。智能体必须深度的嵌入业务工作的全流程系统架构新范式：

Data

+AI

+Agent2

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：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：三年来大模型/智能体应用的几点感悟“企业级”这一术语意味着承受业务严苛的需求1以易用性、可访问性和用户体验为首要目标，主要处理通用任务。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境的理解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，数据治理标准相对宽松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人数据泄露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”理念完成特定工作，通常不强调协同强调跨部门的连接，强调多系统的协同。设计目标业务知识数据处理安全水准协同能力企业级智能体消费级智能体企业级智能体与消费级智能体的差异表格K-V库

标签库向量库图谱库训练加速推理加速企微机器人AI

Bot业务类Agent公文写作

政策服务

IT服务业务应用层智能体能力层智能引擎层统一数据层智算基建层多领域知识库

多维度运营库结构化数据Agent编辑插件编辑插件接入工作流画布智能体仓库多模型接入调度多Agent

交互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数据类Agent数据科学

数据智能

智能问数运营类Agent业务洞察

人群圈选

效果分析多模态资产库多模态语料库高质量数据集高性能计算高性能网络高性能存储创作类Agent文本创作图像创作半结构化数据日志

Markdown新一代传媒AI非结构化数据文稿中枢架构MCP仓库视频生成类文本编辑类音频编辑类视频编辑类音频生成类图像生成类图像编辑类策划采集视频编创其他类富媒体视频音频图片•通过热点平台汇聚数据，结合大模型智能分析能力，筛选报道热点，形成自动化线索聚合体系•按照不同人设风格与结合个人知识库内容属性，进行选题筛选与智能创作•在内容管存方面，完成事实核查、内容多模态理解分析，内容自动化聚合生产的效果•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，提质增效助手以“媒体Agent助手”为核心的智能体一站式解决方案打造每个媒体人自己独一无二的AI内容解析生产流程媒体风格数字分身企业章程收藏文案办公文档个人工具企业数据个人数据媒体稿件角色知识个人文风自动处理对视频进行备播4K超分进行黑白影像修复90年代剧集修复超分完成历史照片修复用户目标意图识别智能工作流结果输出一个典型的企业级超高清媒体处理智能体示例黑白影像修复剧集修复超分广播级备播4K超分视频、图片文件上传用户意图识别照片修复自动处理自动处理自动处理……按照特定人设智能体基于其关注的热点数据事件进行深度思考整理选题视角基于媒体AI助手的媒体工作台，典型协同工作流程保持个人与媒体风格进行不同选题方向的稿件创作任务由智能体优先处理，纳入工作区可创建协同任务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。AI能力：•

事实核查•

文稿审校•

文本内容审查•图片内容审查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

题策划。AI能力：•

热点发现•

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。AI能力：•

新闻大纲写作•

新闻通讯写作•

新闻报道写作•

新闻评论写作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。AI能力：•

采访问题生成•

采访目标建议•

采访内容整理•

相关事件检索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。AI能力：•

新媒体分享文案生成•

贴文智能分析•

贴文评论创作•

智能翻译面向策采编发全流程的多角色智能体二

腾讯云智能体开发平台•全局视野Agent，智能回退&路由修正；•工作流在端到端准确率、参数提取准确率、意图识别准确率行业领先；•强大的多Agent协同能力：自由转交、

工作流编排模版、

Plan-and-

Execute协

同模板；•长/短期+执行过程记忆机制；•更强的文本/表格/图片理解能力；•

严肃性问答支持；•完善的权限、审计、监控能力；•

专门优化的内置模型；•企业级双层精细化权限管理：支持平台级、应用级、知识库等完整权限体系配置；•提供高效、客观、全方位的智能自动化评测能力；•官方精选的高质量插件库，插件数量达140+个，持续增长中；•官方精选的提示词模板和应用模板•

……智能体开发接口Mult-Agent全面的智能体协同配置方式流程画布低代码流程画布预置混元&优图精调模型身份权限平台端/应用端权限公有云其他模型运行监控应用评测/应用运营知识库文档/问答对/数据库插件广场官方插件/MCP腾讯云ADP智能体引擎Workflow引入Agent节点，

流程智能运行模版库提示词模板库RAG从传统

RAG到Agentic

RAG安全合规内容安全/模型运行安全等运行环境代码沙箱/浏览器沙箱腾讯云TiOne模型对接自部署三方优质模型Agent

Infra模型广场ADP平台优势工作流模式“智能生产线”使用指定的工作流来响应用户所有对话。适用对应用的执行流程，有明确流程需求，可以通过工作流，来拖拉拽各种原子能力，编排想要的流程。标准模式“最强知识外挂”导入文档/问答对

，即可达到更稳定和精确的知识问答效果。适用于知识服务、产品咨询等严肃问答场景。Multi-Agent模式“AI指挥官”由大模型进行任务自主规划和工具调用

，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。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！复杂的表格结构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复杂的子元素识别难点：企业知识格式多样、图文并茂有线表格无线表格少线表格表格内公式段落内图像表格内图像段落内公式纵向多栏跨图段落图/图注群组跨表段落表/表注群组图表文环绕横向多栏跨栏段落

业界首个支持200MB以上超大文档vs.业内普遍100MB内

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/页眉等元素识别识别精度高、图片元素不丢失通过SQL检索表格信息高准确的复杂文档解析、切分能力基于OCR大模型，打造的解析引擎，突破图文混排版面分析、复杂表格识别等文档解析技术瓶颈，支持超过20类文档类型。高准确的综合检索能力上线基于LLM的embedding模型，多文档信息召回率从85%提升到92%；混合检索+Text2SQL能力，提升超大表格单表检索及跨表检索准确率，SQL执行准确率80%+腾讯云ADP:强大RAG能力加持，搭建精准的知识问答应用复杂文档解析、切分、检索、推理、生成准确率保持领先Query“非智能且在售，并且一级分类是天棚灯的产品包含哪些”“制动系统怎么保养？”腾讯云ADP：充分考虑文、图两种模态的检索优化、能力打磨腾讯云RAG+DeepSeek：图文并貌的产品操作说明说明书样例提供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”:支持用户快速编排复杂应用面向复杂业务流程场景，升级复杂应用构建能力腾讯云ADP“工作流”:全局Agent管控一二思考规划Agent任务拆解和任务规划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

巴百科信息品

自定义工具

Agent

Handoff大模型知识引擎“Agent模式”：

自主规划和工具调用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。转交智能决策agentagentagentagent主动纠错/反思当工具调用失败、工具选择不合理，上一步行动有瑕疵，模型主动纠正上一步行为输入问题用户输入问题输出回复回复结果内容COS机器翻译搜索腾讯云ADP已升级支持MCP协议，精选海量工具文档转换

位置服务

BangBox

三智能体时代的统一数据治理媒体“数据”系统建设现状

业务操作埋点业务系统记录内容系统生产/采集数据汇聚

数据处理数据仓库

BI埋点内容生产

内容加工内容库

制播发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法挖掘日志系统这样的数据不是资产数据库数据库烟囱式架构，

始于业务需求，终于定制系统设备数据埋点用户行为收视体验数据处理数据汇聚数据处理数据汇聚业务系统业务系统数据库大数据系统监控系统•显性的内容数据沉睡在分散媒资、内

容库中，隐性的知识则散落在文档报告、会议纪要甚至员工头脑中。•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、用户增长的策略逻辑。•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、知识解析化，再通过智能体实现知识的透传，最终实现智能应用。•企业内结构化数据与非结构化数据缺乏统一处理框架。跨模态数据内容难

以交叉挖掘，导致洞察片面化。•结构化数据处理依赖固定规则，无法灵活理解不同行业的业务逻辑，需针对特定业务场景定制数据开发逻辑或模型，成本高、周期长。•非结构化数据无法自动转化为可理解知识，导致智能应用开发效率低下且

准确性无从保障。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

数据资产与知识能力的割裂02难全面系统性地了解真实情况难04漏

数据解读欠专业，人工解读易出错、易遗漏06累无法承接所有需求超80%的数据被浪费01慢无法及时获取有效数据进行决策03猜数据隐藏关系多，归因靠经验、靠猜测，难复制05繁数据指标多而繁，数据异动发现慢业务部门提需求

做报表数据部门数据库1个

数据分析师熬夜Coding~80%

数据分析需求为一次性灵活分析数十个业务人员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需经营分析播放分析增长分析喜好分析流失分析用户运营媒体数据分析的痛点管理层洞察决策解读汇报2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决策&执行自主策略制定自主任务执行自主评估优化数据•

数据集成•

湖仓一体•

数据资产•

数据服务知识&信息行业知识政策知识模式规则关联偏好约束BI/大屏传统数据中台范畴竞对信息通用知识分析呈现洞察AgenticAnalytics是一种数据分析过程，通过在Data-to-Insight的工作流程中应用AIAgent，以半自主或自主的方式协调任务，朝着AI主动洞察&决策的目标推进。Gartner利用灯塔一平台，实现播放页千人千面推荐模型+用户行为统计分析自然语言数据查询自然语言理解生成分析SQL，提高数据开发的生ChatBI自然语言BI分析，无需用户具备专业的SQL分析技能使用方式人找数据Agent带着

问题找数据使用群体人AIAgent进入

“代理分析”时代（AgenticAnalytics）在GenAI时代，数据处理/分析的方式在极速变化智能体（Agent）应用企业内业务数据融合LLM

，

产生更好的GenAI应用DataOps+AIOps一体化提供一体化数据分析和AI应用，降低运维与开发成本AI

Search可提供一站式的高精度全文

检索+向量检索RAG方案数据

ETL数仓分层&数据预处理&

特征工程检索分析基于文本倒排的检索与分析实时数据服务为营销自动化/运营数据

等场景提供在线数据服务BI看板&离线报表分析师精心处理、分析而

形成的“固定“数据洞察数据智能（Data

Intelligence）平台一站式AI广告创意平台腾讯广告妙思微信读书"AI问书"支持书籍内容智能检索，包括书籍引源、猜你想问等丰富的互动能力-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

b改变三-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

⃞改变四云原生大数据平台-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

-

b改变二20252024通过检索增强，

激活企业

80%+非结构化数据价值大数据与ML训练融合

提供一体化体验以直观、对话的方式

让用户直接与数据互动运营数据与生成式AI

深度融合平台定位被动的数据“仓库”主动的AI数据平台改变一产力数据工程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•••以引擎的形式出现，统一纳管多模态数据，纳管

Data&AI模型，加

速从数据到智能决策的过程。同时处理传统SQL和Gemini，以实现在运行时访问现实世界知识、语言理解和推理能力。强调无缝处理结构化和非结构化数据例子：这些社交媒体图片中包含的主要产品，是在哪些新兴经济体国家

生产的？•

Agent

Framework：Agent开发平台•

Agent

Evaluation：端到端的Agent效果评估模块，支持

HumanFeedback/

Expert

Review等机制•Playground：可以选择基础大模型和工具，探索性Agent的使用效果•

Vector

Search：非结构化数据处理内置向量检索服务，Agent实时检索各类Delta

Lake中非结构化

数据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：•

Cortex

LLM•Document

AI：Doc转成结构化数据only•

CortexSearch：

TEXT

only•

Cortex

Analyst：强调高准确度，

但目前仅支持单表•

CortexAgent「preview」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Snowflake

ML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。推出一系列DataAgents，及AIQueryEngineDataAgents构建自己的CortexAgentSnowflakeCortex整体而言Agentic

Analytics在世界范围内也处于早期阶段专注于Agent平台的建设AIQuery

EngineSnowflakeMLMosaicAI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

TCCatalog语义层LLM

自动标注

手动标注

文档理解

标签抽取Semantic

Model

Graph

Hybrid

SearchDataAgent配置管理数据配置语义理解模型配置意图/规划记忆管理会话管理TCDataAgent应用基础能力数据集管理(训练/评测)

AI

GuardrailsRayonTKE

TCLakeDataAgent原子能力NL2SQL

CodeGenAI

SearchDocumentAI数据科学

Xpark腾讯云TCDataAgent技术架构Agent服务层灵活根据用户话题

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

的智能搜索应用自动构建数据工

程Pipeline，完

成项目开发、调

试、调优等工作根据需求自动调用一体化平台，自动生成数据科学PipelineWorkflow服务条件判断

处理回复腾讯云数据分析智能体混元大模型模型部署DeepSeek模型微调模型服务多轮改写基础服务工具管理智能分析Agent数据科学Agent数据工程Agent智能搜索Agent提示词管理信息收集记忆管理意图识别自主规划规划中Agents数据接入MCP连接元数据获取文档/图片处理DocumentAI数据分析智能体：打通结构化与非结构化数据

数据源结构化数据非结构化数据Tools记忆检索联网搜索代码执行解读报告…•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•数据科学：智能构建数据科学

Pipline，低门槛完成复杂分析任务协调结构化和非结构化数据源，提供全面洞察，打破数据孤岛TCAnalystSemantics

|

NL2SQL|CodeGenTCSearchEmbed

|

HybridSearch

|

Rerank•

自然语言交互，支持自动拆解用户需求，智能编排任务，自主运行和优化任务，并详细展示执行过程适用场景关键能力智能交互数据融合业务理解•支持语义理解和配置，自动理解业务语境和业务规则•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GUISDKAPIMCP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定制式BI自助式BI

对话式BI周级别数据分析师高10人左右秒级别基层业务人员0门槛大量业务人员交付定制式报表响应时间：

月级别适用人群：老板、业务负责人等学习成本：定制用户数量：

个位数数据分析智能体场景——

智能问数BI基层业务人员

ChatBIlul自助式业务部门数据部门根据需求自助拖拽根据需求自助问数实时获取数据结果提出定制式需求自助化交付报表数据分析师销售表库存表订单ID商品ID需求量……商品ID库存量…

…销售表关联

库存表关联字段“展示2024年全国的订单情况”“显示2024年上海仓的库存情况”“展示2024年缺货商品情况”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/关联回答智能问数——智能选表&智能多表关联用户提问“业务人员无需关注数据表和字段”智能多表关联结果智能选表结果数据表信息数据表信息用户提问订单ID商品ID缺货量需求量库存量智能多表关联…

…智能选表•

占比类查询（按占比，比例等）•复合指标场景•对比场景智能问数——覆盖各类数据查询、计算、分析场景•基础指标查询（按产品/地区/机构/渠道，按时间/周期）示例：“2024年财经栏目每个月的日活分别是多少”•计算类场景（同比/环比/占比/增长率等）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/总金额）•排名类场景（产品/金额/机构排名等）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”示例：“不同的品类的占比情况如何”•自动数据链路：支持用户上传文档，自动进行数据处理、解析、

向量化等步骤•DocumentAI：解析文档中的多模态数据，针对结构化数据，

进行自动提取，并导入数据库进行精准分析•

知识库集成：内置全托管

ES知识库，知识基于用户第三方知

识库创建自有知识库•

联网搜索：融合公共知识和私有知识，对数据进行全面检索和

解析数据分析智能体场景——

智能搜索•

开放数据存储，无缝对接原有生态•DocumentAI多种格式自动文档解析，结合文

本检索和数据分析应用场景•

行业研报解读、咨询报告智能检索•

企业知识管理数据表DocumentAI文本知识库托管/第三方向量存储Source

1Source

2关键能力客户价值数据库数据存储问题回答文档结构化数据库数据科学结果库知识提取键值处理图谱化专家模型通用智能体插件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分类存量

增量智