• 克雷西 發自 凹非寺
  量子位 | 公眾號 QbitAI

智能體的開發門檻，又又又被打下來了！

昨天，騰訊云在他們的AI產業應用峰會上，正式上線了全新的智能體開發平臺，率先在行業內實現零代碼配置多智能體協同構建。

除了上線智能體開發平臺，騰訊云也對從AI Infra到模型到應用的整個體系來了波全面升級。

包括混元系列大模型，也迎來了重磅更新。

騰訊云副總裁吳永堅對量子位表示：“騰訊云在智能體領域的產品布局，是圍繞企業真實需求逐步演進的。整體思路是從場景出發，扎實解決實際問題，并推動能力從‘落地可用’逐步邁向‘智能協同’。”

從一系列接踵而來的更新當中，可以看到鵝廠的企業級AI產品體系正在變得越來越完整。

對騰訊云自身而言，這些發布和更新也意味著其產品能力被進一步補齊。

多智能體開發，零代碼搞定

騰訊云智能體開發平臺的前身是“大模型知識引擎”。據吳永堅介紹，平臺在RAG能力、工作流能力、多Agent協作機制及To B實戰場景支持方面具備明顯差異化優勢。

平臺具備先進的RAG（Retrieval-Augmented Generation，檢索增強生成）能力，先從知識庫中檢索信息，再由大模型基于檢索結果生成準確可追溯的回答。

在具體能力上，在復雜表格問答場景中表現突出；同時支持基于文檔自動生成問答對并進行溯源校驗，有效降低運營成本。平臺還率先實現新舊文檔比對與高效決策，支持僅針對增量內容生成問答對，顯著減少token消耗。

在支持拖拉拽零代碼流程搭建的工作流中，騰訊云智能體平臺首次推出了具備全局視野的Agent，支持靈活的節點回退和全局意圖洞察，智能控制節點跳轉。

吳永堅舉了個例子，假如讓Agent幫忙獲取一份天氣預報，明確地點和時間后就已經進入了執行環節，但用戶突然發現把地點說錯了，這時智能體可以回退到地點信息獲取節點重新詢問，而不是“傻傻的”往前執行而不顧用戶反饋。

此外，騰訊云智能體平臺還率先支持了零代碼配置多Agent協同轉交，靈活配置滿足不同的Multi-Agent協同方式的搭建需求。

插件生態方面，騰訊云智能體開發平臺整合了內部優質能力（如騰訊地圖、騰訊醫典）、RAG組件（如網頁解析、文檔解析、Text2SQL）、以及通過MCP協議接入的第三方插件，實現全面開放與能力融合。

同時，平臺沉淀了很多經過To B實戰打磨沉淀的優勢，支持平臺級、應用級、知識庫等完整權限體系配置，同時具備企業級智能體運維的管理后臺，真正做到靈活、可控、安全。

智能體平臺的落地，對基礎大模型能力提出了更高要求。騰訊云在大會上還帶來了混元系列大模型的最新進展，包括新模型的發布和既有模型的升級。

• 深度思考模型T1全面升級，采用多階段強化學習訓練，競賽級數學能力提升8%；
• 快思考模型Turbo S，在全球arena榜單中上升到全球第八；
• 此外還包括視覺深度模型、端到端語音通話模型、生圖模型imageV2.0、3D生成模型3D V2.5以及可以實現工業級游戲資產生成的混元游戲模型。

隨著智能體開發平臺的上線以及既有AI產品矩陣能力的提升，可以看到騰訊云在大模型領域的產品體系正在日漸完善。

騰訊云為什么要做智能體開發平臺？

騰訊云智能體開發平臺的出現，順應了企業AI應用的演進過程，以及在一系列過程中涌現出的用戶需求。

吳永堅認為，To B是用于生產的嚴肅場景，用戶輸入問題的復雜度和多樣性比To C場景更高，對輸出的回復要求更高，目前大模型能力在To B嚴肅場景還不能完全滿足需求，需通過產品能力體系化去解決。

騰訊云智能體開發平臺的出現，其實是圍繞著企業對于AI應用的多樣化需求逐步演進。

大模型的產品落地，按照產品形態可以分為：API接入、RAG應用、工作流應用和Agent自主決策的應用。在過去兩三年的時間里，企業級大模型應用的發展過程，大概可以分為幾個階段：

首先，是最簡單的大模型API接入，用戶需求直接傳遞給大模型，由模型根據自身知識返回結果，用以AI聊天、搜索等相對簡單的場景，通過更加自然、有趣的交互，幫助企業獲取更多流量收益；

第二個階段，通過RAG的加持，可以讓大模型結合企業垂直領域的知識提供更加精準、可靠的回復；

第三個階段，通過工作流編排“原子能力”，搭建復雜工作流程，解決企業業務流程定制化的問題。

這三種方式，也是過去騰訊云逐步演進并完善的主要智能體構建方式，并且已經交付了眾多行業與場景，真正在落地在生產環境中，為企業產生價值。

近期，隨著大模型技術的升級，“模型自驅動”Agent也越來越火熱，即支持模型主動選擇和調用工具，并能夠主動糾錯和反思，相比于RAG能夠解決任務執行類的企業需求；相比工作流編排，配置成本更低，表現更靈活。

但是每一類模式的To B落地都會面臨非常多挑戰，比如：

• API接入形式雖然輕量易用，但難以應對專業領域問題和復雜任務鏈路；
• RAG提升了問答回復精準度，但對流程執行類任務支持有限；
• 工作流編排支持人工編排固定流程，但很難保證靈活對話；
• Agent雖具備更強的自主性與智能性，但要全面適配企業級穩定性要求，仍需結合場景深入打磨。

這些問題都是企業使用大模型上會遇到的實際問題。在大模型落地如此困難的背景下，一站式開發平臺的重要性和實戰經驗沉淀就顯得尤為明顯了。

站在企業用戶的角度看，市面上的智能體平臺已經琳瑯滿目，選擇騰訊的優勢又是什么呢？

騰訊云的智能體開發平臺經過To B實戰打磨，沉淀了在RAG、工作流實際的產品優勢功能，并升級支持了多Agent協同。

• RAG：端到端的多模態解析大模型和檢索鏈路沉淀、支持復雜表格結構查詢（Text2SQL）、問答對自動生成；
• 工作流：內置全局洞察Agent，具備流程回退能力；支持異步任務控制；滿足企業級流程管控需求；
• Agent：嚴審插件中心的插件質量，保障工具識別準確率與執行穩定性；新增支持多Agent協同編排，緩解單Agent的決策壓力和工具選擇壓力，讓不同的Agent各司其職，形成類似“專家協作”的機制，滿足企業復雜場景的需要。

平臺同時配套完備的權限體系，和運營排查工具和管理后臺，能夠確保服務可靠運行。

目前智能體開發平臺已經在騰訊云多家客戶的多個場景中落地，據了解，在智能客服落地場景，騰訊云與一汽豐田合作，全面升級智能客服體系，顯著提升客戶服務質量與運營效率。通過整合企業專屬知識，構建高質量問答能力，自2024年1月接入以來，智能客服獨立解決率從37%提升至84%，大幅減輕坐席壓力，優化客戶體驗和服務效率。

在醫藥零售領域，大參林基于騰訊云大模型知識引擎，構建了覆蓋藥品知識、銷售場景、職能辦公等多個場景的專屬AI知識庫，打造了“AI小參”問答助手，已服務總部與上萬家門店的5萬名員工，查詢響應時間縮短超80%。

在醫療行業文書撰寫場景，騰訊云與邁瑞合作推出“啟元重癥”智能體。邁瑞通過行業模型結合工作流，對接院內系統，實現病情問答、文書生成、知識檢索一體化。醫生只需一句話，即可生成完整參考病例，病歷書寫效率提升近一倍。

從智能客服到智能體應用開發平臺

萬丈高樓平地起，騰訊云智能體開發平臺也并非一蹴而就。吳永堅表示，騰訊云始終堅持從企業業務場景出發，一步步完善底座能力，從模型到平臺，從工具到智能體，最終構建出一套真正能跑業務、能接工具、能持續演進的智能體體系。

前面介紹過，騰訊云智能體開發平臺的前身是“大模型知識引擎”，但實際上它真正的起點是企點智能客服。

最初騰訊云聚集在大模型需求最為旺盛的智能客服領域，基于客服場景，在企點智能客服上對知識問答場景共性的、核心能力進行打磨。

落地過程中，客戶的需求也在不斷升級和變化，騰訊云智能團隊發現還有非常多值得探索的場景，比如標簽提取、文案創作、角色扮演、還有需要自定義流程并對接企業等，于是開始推動其產品向著“智能體構建平臺”的方向上進化。

在智能體構建平臺上，騰訊云的演進路徑非常明確：從最初的RAG知識庫問答，到流程編排的工作流，再逐步引入Agent能力，演進為多智能體協同的Multi-Agent架構，MCP協議出現后，也進行了快速適配。

當然Multi-Agent不是終點，人工智能技術和企業用戶需求的演變也不會停止。

但在變化之中保持不變的，是堅持滿足客戶需求。

吳永堅介紹，“構建一個離產業最近的AI平臺”，就是騰訊云的核心主張之一。

在他看來，企業級AI產品的研發不是為了炫技，也不是追求潮流而堆砌產品功能，而是要切實滿足用戶的價值。

“在產業智能化轉型的浪潮中，‘構建離產業最近的AI平臺’不僅是技術能力的比拼，更是對產業痛點的深度理解和價值閉環能力的考驗。”吳永堅說。

目前來看，整個行業仍然處在一個自由競爭的狀態，具體哪種技術或產品路線更具優勢仍待檢驗，可以說各家都有各自的優勢和不足。

但是，通過技術提升、生態共建與場景化落地，騰訊云在“離產業最近”的目標上，一直在修煉內功，并取得了一些進展。

比如在行業Konw-How深度內化方面，騰訊云已構建覆蓋金融、教育、零售、出行、消費電子等30多個行業的解決方案。

騰訊云預計，未來企業應用會更加行業垂直化，用戶對精度的要求會更高，對數據安全性的要求也會不斷提升，將通過模型能力升級、平臺工具完善、場景解決方案打磨等措施進一步提升產品能力。

除了應用之外，進一步強化降本增效能力，還需要基礎設施的升級，具體來說，更高效與自動化的訓練技術、分布式推理技術、主流模型內核優化、主流芯片的推理加速能力將是主要演進方向。

吳永堅表示，“我們的目標就是以用戶需求為本，去做產品和技術的持續迭代，更好地構建距離產業更近的AI。”