培训课件：助力新媒体打造新场景腾讯云文化传媒场景方案

怎样的____?需要我们到底____怎样？从“移动原生”到“Agent原生”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。移动原生Agent原生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。••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如何建设人与Agent的混合团队？CONTENT

01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02目录0304一演进：从问答到执行人工智能即将迈入新阶段20232025能力维度水平维度影响维度质疑

Agent，理解Agent，应用

Agent1、成本门槛：极大降低了应用开发成本和门槛。诸多质疑1、响应速度慢：思考+拆解+推理+流式输出。2、简化流程：让模型来处理参数转换，减少流程配置工作量。2、会出现幻觉：事实性错误与不遵循指令。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。3、交互不友好：长篇大论罗嗦输出，相对点什么做什4、协同：多智能体的组装、协同、竞争，能够。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。显著优势7三年来大模型/智能体应用的几点感悟Agent

的媒体落地需要面向“企业级”“企业级”这一术语意味着承受业务严苛的需求123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：极高的可靠性：高可靠性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：企业级应用与消费级、科研级有本质的差异。安全性扩展性易用性集成性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。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：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。智能体必须深度的嵌入业务工作的全流程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：支持与维护治理与控制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：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：系统架构新范式：

Data+AI+Agent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消费级智能体企业级智能体设计目标业务知识数据处理安全水准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;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。具备通用世界知识，但缺乏对特定组织内部情境的理解通常利用用户数据改进通用模型，数据治理标准相对宽松安全性重要，但风险通常局限于单个用户的个人数据泄露完成特定工作，通常不强调协同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”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”理念协同能力强调跨部门的连接，强调多系统的协同。新一代传媒

AI

中枢架构业务应用层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企微机器人

AI

Bot创作类

Agent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

效果分析业务类

Agent智能体能力层策划采集文本创作图像创作视频编创公文写作

政策服务IT

服务MCP仓

库文本编辑类图像编辑类图像生成类视频编辑类工作流画布视频生成类音频编辑类音频生成类

其他类智能引擎层Agent

编辑插件编辑插件接入智能体仓库多模型接入调度多

Agent

交互多模态资产库多模态语料库高质量数据集多领域知识库多维度运营库统一数据层非结构化数据半结构化数据结构化数据日志Markdown表格K-V库标签库向量库图谱库视频图片文稿音频富媒体智算基建层高性能计算高性能网络高性能存储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•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•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个人工具收藏文案企业章程办公文档•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•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生产流程个人数据数字分身企业数据媒体稿件个人文风角色知识内容解析媒体风格•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•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体打造每个媒体人自己独一无二的A

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视频、图片文件上传4K超自动处理自动处理广播级备播分对视频进行备播4K超分黑白影像修复剧集修复超分用户意图识别进行黑白影像修复自动处理自动处理90年代剧集修复超分照片修复完成历史照片修复……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可创建协同任务任务由智能体优先处理，纳入工作区面向策采编发全流程的多角色智能体策划助理采集助理编辑助理审核助理运营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。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。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。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。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：AI能力：AI能力：AI能力：AI能力：•••热点发现••••采访问题生成采访目标建议采访内容整理相关事件检索••••新闻大纲写作新闻通讯写作新闻报道写作新闻评论写作••••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••••事实核查观点分析文稿审校智能选题建议文本内容审查图片内容审查二腾讯云智能体开发平台腾讯云ADP智能体引擎ADP

平台优势•

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；智能体开发接口RAGWorkflow引入

Agent

节点，流程智能运行Mult-Agent•

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；从传统

RAG

到

Agentic

RAG全面的智能体协同配置方式知识库插件广场模版库流程画布•

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；文档/问答对/数据库官方插件/MCP低代码流程画布提示词模板库•

完善的权限、审计、监控能力；•

专门优化的内置模型；模型广场•

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；预置混元&优图腾讯云

TiOne自部署三方优质模型公有云其他模型精调模型模型对接Agent

Infra•

官方精选的高质量插件库，插件数量达140+个，持续增长中；身份权限平台端/应用端权限安全合规内容安全/模型运行安全等运行环境代码沙箱/浏览器沙箱运行监控应用评测/应用运营•

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！标准模式工作流模式Multi-Agent模式“最强知识外挂”“智能生产线”“AI指挥官”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。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。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。把企业五花八门的知识库喂给大模型，没那么简单！难点：企业知识格式多样、图文并茂复杂排版的阅读顺序复杂的表格结构横向多栏纵向多栏图/图注群组表/表注群组有线表格无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段落内图像表格内图像段落内公式表格内公式腾讯云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高准确的综合检索能力高准确的复杂文档解析、切分能力上线基于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%+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。➢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Query➢➢“非智能且在售，并且一级分类是通过SQL检索表格信息天棚灯的产品包含哪些”识别精度高、图片元素不丢失腾讯云ADP：充分考虑文、图两种模态的检索优化、能力打磨说明书样例腾讯云RAG+DeepSeek：图文并貌的产品操作说明“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，升级复杂应用构建能力提供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DeepSeek

R1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。思考规划Agent任务拆解和任务规划主动选择和调用工具主动纠错/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搜索引擎代码执行股票信息计算器日程预定百科信息输出回复输入问题自定义工具回复结果内容用户输入问题Agent

Handoff转交智能决策agentagentagentagent腾讯云

ADP已升级支持

MCP协议，精选海量工具COS机器翻译搜索文档转换BangBox位置服务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，终于定制系统用户行为数据汇聚数据处理数据仓库数据库BI大数据系统埋点收视体验数据汇聚数据处理数据处理业务系统业务系统设备数据监控系统日志系统埋点数据汇聚数据库数据库业务操作埋点业务系统这样的数据不是资产记录内容生产内容加工内容库制播发内容系统生产

采集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当前数据能力的痛点：两个割裂数据资产与知识能力的

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。•

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。•

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。BI•

数据中台的

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。•

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。媒体数据分析的痛点传统分析流程成为数据价值变现卡点数据分析供需错位

大量需求被压抑管理层01

慢02

难全面系统性地了解真实情况难需无法及时获取有效数据进行决策经营分析播放分析增长分析喜好分析流失分析用户运营…

…洞察解读汇报1个数据分析师决策03猜数据隐藏关系多，归因靠经验、靠猜测，难复制04

漏数据解读欠专业，人工解读易出错、易遗漏业务部门~80%数据分析需求提需求做报表为一次性灵活分析熬夜Coding数据部门数十个业务人员05

繁06

累数据指标多而繁，数据异动发现慢无法承接所有需求

超80%的数据被浪费数据库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传统数据中台范畴数据分析呈现BI

/

大屏模式•

数据集成•

湖仓一体•

数据资产•

数据服务规则决策

&

执行洞察自主策略制定关联偏好约束自主任务执行自主评估优化知识

&

信息通用知识行业知识政策知识竞对信息在GenAI时代，数据处理/分析的方式在极速变化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。Agentic

Analytics20242025改变一（Agentic

Analytics）ChatBIBI

看板&离线报表自然语言数据查直观、对话的方户直接与数据自然语言BI分析，无需用户具备专业的SQL分析技能自然语言理解生成分分析师精心处理、分析而使用群体改变二AI

Agent人DataOps+AIOps一数据

ETL数仓分层

&数据预处据与ML训练提供一体化体验利用灯塔一平台，实现播放页千人千面推荐模型+用户行为统计分析提供一体化数据分析和使用方式改变三Agent带着问题找数据AI

Search人找数据检索分析检索增强，激活+非结构化数据可提供一站式的高精度全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基于文本倒排的检索与分析平台定位改变四智能体（Agent）实时数据服务营数据与生成式深度融合被动的数据“仓库”主动的AI数据平台为营销自动化/运营数据等场景提供在线数据服务LLAI企业内业务数据融合产生更好的一站式

广告创意平台腾讯广告妙思GenAI应用整体而言Agentic

Analytics在世界范围内也处于早期阶段专注于Agent平台的建设构建自己的Cortex

Agent推出一系列Data

Agents，及AI

QueryEngineMosaic

AISnowflake

CortexData

AgentsSnowflake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：agent数据工程••Agent

Framework：••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Agent开发平台••••CortexLLMAgent

Evaluation：Document

AI：Doc转成结构化数据

onlyCortexSearch：TEXT

only数据科学agent端到端的Agent效果评估模块，支持

Human

Feedback

/•参与model开发的所有环节，例如：自动特征工程、提供智能模Expert

Review等机制型选择、训练等。CortexAnalyst：强调高准确度，但目前仅支持单表•Playground：•嵌入在Colab

notebook•

Cortex

Agent「preview」可以选择基础大模型和工具，探索性Agent的使用效果•Vector

Search：非结构化数据处理对话式分析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。Cortex

Agent使用Cortex

Analyst

和Cortex

Search作为工具，与LLMs一起分析数据••用自然语言进行数据分析内置向量检索服务，Agent实时检索各类Delta

Lake中非结构化嵌入在Looker、application数据AIQuery

Engine•••以引擎的形式出现，统一纳管多模态数据，纳管速从数据到智能决策的过程。Data

&AI模型，加Snowflake

MLSnowflake

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。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？腾讯云数据分析智能体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

应用规划中灵活根据用户话题自动构建数据工程Pipeline，完成项目开发、调试、调优等工作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根据需求自动调用一体化平台，自动生成数据科学Pipeline发起即时问询，直接获取数据结果或深度分析智能分析AgentAgent智能搜索Agent数据科学Agent数据工程腾讯云TCDataAgent技术架构Data

AgentData

Agent配置管理Agent服务层原子能力数据配置语义理解基础服务工具管理模型服务Workflow

服务条件判断NL2SQLCode

Gen提示词管理记忆管理意图识别多轮改写自主规划信息收集处理回复模型配置/规划TCCatalog语义层AISearch意图LLM

自动标注手动标注文档理解标签抽取DocumentAI记忆管理Semantic

ModelGraphHybrid

Search基础能力数据集管理(训练/评测)AI

GuardrailsTCLake混元大模型模型部署DeepSeek会话管理数据科学XparkRayon

TKE模型微调数据分析智能体：打通结构化与非结构化数据协调结构化和非结构化数据源，提供全面洞察，打破数据孤岛关键能力智能交互AgentsTools数据源数据接入GUIAPI结构化数据•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TCAnalystMCP

连接记忆检索联网搜索代码执行解读报告…Semantics

|NL2SQL

|CodeGen元数据获取数据融合SDKMCP•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TCSearch非结构化数据文档/图片处理Embed|HybridSearch

|Rerank业务理解Document

AI•支持语义理解和配置，自动理解业务语境和业务规则适用场景•••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数据分析智能体场景

——

智能问数定制式BI自助式BI对话式BI提出定制式需求根据需求自助拖拽根据需求自助问数ChatBI业务部门数据部门数据分析师自助式BI基层业务人员交付定制式报表自助化交付报表实时获取数据结果响应时间：月级别周级别秒级别适用人群：老板、业务负责人等数据分析师基层业务人员学习成本：用户数量：定制高0门槛个位数10人左右大量业务人员小白

都会用出结

果便捷

分析智能问数——智能选表&智能多表关联用户提问后，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/关联回答智能选表用户提问用户提问“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”数据表信息数据表信息销售表

关联

库存表销售表库存表商品ID库存量

…

………订单ID商品ID需求量库存量缺货量…

…订单ID

商品ID

需求量智能多表关联关联字段智能果智能选表结果智能问数——覆盖各类数据查询、计算、分析场景示例：“24年每季度广告费收入和同比增长率分别是多少”示例：“25年公司所有产品的销售额排名”示例：“2024年财经栏目每个月的日活分别是多少”•

示例：“上周订单的毛利率是多少”（毛利率=毛利/总金•

示例：“各个渠道的数量和占比”示例：“不同的品类的占比情况如何”额）数据分析智能体场景

——

智能搜索•

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•

Document

AI：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问题回答Source

1数据表•

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Document

AI文本Source

2•

行业

解读、咨询报告智能检索•

企业知识管理知识库数据库托管/第三方向量存储数据存储智能搜索——传媒全模态知识库建设智能应用自然语言问答智能问数趋势分析自动摘要生成事件溯源…….知识库分类构建文本知识库键值数据库文档结构化数据库数据科学结果库知识图谱库专家模型数据科学数据聚类机器学习数据工程知识提取键值处理图谱化知识处理数据智能体插件通用智能体插件知识分类文档存量增量图片/视频音频知识源市场分析用户分析定期报告