「Agent 工程化」方向-让可协作、可进化的智能体领航广告业务全生命周期 广告业务 × Adclaw · AI 智能体落地实践

让可协作、可进化的智能体领航广告业务全生命周期广告业务

×

Adclaw

·

AI

智能体落地实践整合营销服务中长尾媒体广告平台业务应用场景整合营销Cyberklick应用场景程序化广告zMaticoo应用场景数字化广告Yeahmobi/GridAds

全域增长

智能营销

智能变现我们是谁业务系统CyberklickYeahmobi｜GridAdszMaticooAI

调用

数据反馈AI

中台

&数据中台数据交互业务场景里的数据沉淀基础设施智能化多云管理平台公司整体AI架构分布业务系统—AI中台&数据中台—基础设施

·AI调用与数据反馈闭环＝一座7×24运转的「Agent

黑灯工厂」统一

AI

中台AI

HubAdclaw数据中台1500+沉淀

Skill130+MCP

工具3倍+Q2Token消耗环比100+日活Agent持续运行智能对账实时交易监测…智能商务助手长周期任务编排…跨角色Agent协同投放全流程串联…整合营销服务

中长尾媒体广告平台业务广告业务的四个典型痛点业务Agent的价值标准

人机边界

关键节点交由人判断，保留HITL

答案不是每条业务线各建一遍，而是把共性能力沉淀为统一底座

建设路径工具化→Agent化→协同化

→

自主化

业务闭环

按流程调用能力、完成任务、返回结果投放链路长、环节多：offer创建→渠道同步→效果监测→

自动调参人工操作效率瓶颈，跨系统协同成本高异常排查依赖个人经验：响应慢、口径不统一、知识难沉淀

创意素材需求量大，多平台适配成本高为什么广告业务特别需要智能体？PART02.

业务落地成果GridAds：

一条被智能体接管的投放链路渠道聚合对接媒体渠道完成技术层聚合，

Agent按客户需求自动匹配最优渠道组合客户侧Agent群日报周报、待办同步、问题响应自动触达；对外输出保留人工审核全链路落地六个环节由智能体串成闭环，从竞品调研到对账结算全流程跑通客户与广告系统实时联动

单点

Agent

→

内部联动

→

多

Agent

协作竞品调研渠道接洽投放配置实时监控策略调优对账结算跨业务线串联直链Agent化串联，客户侧智能体直接承接投放全流程媒介侧运营内部串联媒介侧运营角色内场景Agent串联，端到端自动化，减少人工介入客户侧运营内部串联客户侧运营角色内场景Agent串联，端到端自动化，减少人工介入三类串联场景，跑通营销全链路闭环客户侧运营/媒介侧运营角色内串联→跨业务线串联

·关键节点人工把关

·结果回流客户侧智能体直连客户与广告系统实时联动，减少人工中转可观测全链路透明每一步看得见、查得到，建立托管信任效率小时级→分钟级全链路自动化，异常响应显著提速组织复用Skill即经验新人可直接调用统一诊断方法02构建层流程设计→方法选型→阈值校准

→方案形成0102

03040506问题出现Qwenwork调研

方案流程设计环节方案选型阈值测试完整方案形成全链路里，人工介入的那一环能力建设：八阶段闭环

×三层递进07

08Skill化持续迭代03运营层个人经验→组织资产01认知层问题定义

+业界经验扫描Skill化，是把老师傅的经验从「个人记忆」变成「组织资产」的那一跳数字化广告测单

·分析

·操作

·对账，运营全流程需要自动

化整合营销跨环节协同、长周期执行、持续投放优化，需要智能体贯穿营销全流程程序化广告实时监测、经营分析、对账核验需要智能体串联数据与运营决策各自为战=重复投入

+

无法复用→

统一AI

中台PART03.

技术实现方案GridAds不是孤例阿里云底座助力AI中台持续进化 整合营销

·程序化广告

·数字化广告｜多业务Agent统一管理入口AgentCore构建治理

多Agent与多人协作统一接入与管理

托管/纳管/注册

多来源Agent一站式管理

安全与治理并行待集成AgentLoop&安全

贯穿全流程链路观测Skill安全扫描Agent

审计告警追踪能力层Skill

|

MCP

|知识服务

|业务工具模型层多模型接入

|灵活切换

|AI

Hub模型智能路由易点天下AI中台：统一AI五层底座观测与安全AgentLoop观测评估

|安全由Adclaw保障Agent层多Agent路由

|

意图识别

|

任务执行协同层

AgentTeam

|流程协同

|人工确认Adclaw集成客户的真实诉求「预算交给你，就要随时看清钱和效果跑到哪、每一步怎么走——而不是等一封事后报模型调用链追踪

每次调用的输入、

输出与耗时数据飞轮·循环自增强AgentLoop

·Agent总览（生产环境实况）从「黑盒」到可观测、可评估、可优化轨迹与指标可视化

定位发散、失败与

Token

热点评估&

实验定义好坏持续优化确认后回灌观测&

审计先留痕关键运行数据接入

模型推理

·

工具调用

·

RAG

/

记忆

·

子表。」Agent业务示例

·GridAds数据中心

·标准化执行轨迹（ATIF）审计事实

·会话级审计事件流轨迹结构化任务结果、工具调用与agent_trajectory统一查看、评估审计与回溯业务侧保留人工审批；轨迹与决策共同留痕，支持问题回放多源数据接入Trace｜Dataset｜Log｜ATIF；可见范围取决于接入与埋点先把每一步「留痕」

，才谈得上信任Trace：阈值判定与调参动作结果：可审计、可回放HITL：Adclaw审批编排闭环度量指标评估任务

·得分分布分析预置评估器

·AI评判回归评测

·

门禁Skill、

Prompt、模型版本回归评测；可接入发布门禁持续优化优化Prompt、Skill、模型路由与阈值；人工确认后回灌评测资产化GoldenSet/BadCase沉淀；AI评估器结合业务规则判分误报率Token成本评估定义好坏，优化把结论回灌生产平均定位步数诊断准确率阿里云AgentCoreSkillMCP模型AgentTeam凭证权限AgentLoop运行可见→评估诊断→人工确认后调整Skill/配置合作案例GridAds跨业务线串联zMaticoo多业务线编排任务编排正确性上下文无损传递端到端可回溯HITL

审批可控Token成本可控上层各业务线协作场景多智能体协作：跑在阿里云AgentCore底座上运维工单数字化广告·Yeah

mobi/GridAds程序化广告·zMaticoo整合营销·

Cyberklick效率成果50%核心执行类工作AI覆盖从平台到规模化下一步目标80%执行任务AI

闭环率50%运营分析类AI覆盖率沉淀成果

智能体规模化的关