课程简介

话题概述:
AI 1.0 阶段，我们和大多数企业一样从 RAG、Workflow、Copilot 切入，工具不少，但始终停留在业务主链路之外——能力分散、复用困难、成本不可衡量，难以形成组织级效率提升。
以 Push 策略迭代为例，传统模式是线性项目制：每一次策略调整都要走完需求→PRD→研发→测试→发版的完整链路，策略验证以"周"为单位，大量低成本探索因排不进排期而直接放弃。
因此我们启动 AI Agent 平台建设，目标是将 AI 从单点工具升级为组织级生产系统，覆盖研发、运营、创作三类核心场景，让高频业务流程变得可复用、可编排、可治理、可度量。

演讲题纲:


话题亮点：
分四个层面完成升级：
统一平台底座：将模型接入、Workflow 编排、Agent 框架、Skill 能力池、安全治理统一收敛到 WeFlow 平台，消除各业务线重复建设。
流程级介入：研发智能体覆盖 PRD 到上线全链路；运营智能体覆盖取数、洞察、策略生成到上架；创作智能体覆盖多模态内容生产。AI 进入完整业务闭环。
Skill 原子化：将人群划分、文案生成、AB 实验等高频动作封装为独立 Skill，一次开发、反复复用，运营直接驱动策略上线，不依赖研发排期。
工程化治理：全链路 Trace、监控告警、成本统计，保障 AI Agent 可上线、可审计、可持续优化。
踩坑经验：Skill 粒度、DataAgent 输出校验、运营习惯迁移，是落地最难的三件事，不比技术架构容易。

目标收益

1. 从 AI 工具到 Agent 生产系统的完整演进路径，以及为什么工具化路线难以形成组织级效率
2. 企业级 AI Agent 平台的架构设计：Skill 能力池、Workflow 编排、安全治理的关键模块与工程判断
3. 研发、运营、创作三类智能体的落地边界划分与复用设计方法
4. 如何选择样板场景、跑通第一个 Agent 闭环，再推横向复制的落地节奏
5. AI Agent 平台的 ROI 评估框架：用交付周期、人力释放、业务结果衡量，而不是调用次数

培训对象

Push 场景验证了平台价值：策略迭代周期从"周级"压缩到"天级/小时级"，数据分析从数天压缩到小时内完成，整体迭代效率有数量级提升。
业务结果上，在发送量下降的同时，用户活跃和留存指标同步提升——更少打扰，带来更高转化，验证

课程内容

案例方向

---

智能体原生架构技术原理与开发基础

话题概述

---

AI 1.0 阶段，我们和大多数企业一样从 RAG、Workflow、Copilot 切入，工具不少，但始终停留在业务主链路之外——能力分散、复用困难、成本不可衡量，难以形成组织级效率提升。
以 Push 策略迭代为例，传统模式是线性项目制：每一次策略调整都要走完需求→PRD→研发→测试→发版的完整链路，策略验证以"周"为单位，大量低成本探索因排不进排期而直接放弃。
因此我们启动 AI Agent 平台建设，目标是将 AI 从单点工具升级为组织级生产系统，覆盖研发、运营、创作三类核心场景，让高频业务流程变得可复用、可编排、可治理、可度量。

收益

---

1. 从 AI 工具到 Agent 生产系统的完整演进路径，以及为什么工具化路线难以形成组织级效率
2. 企业级 AI Agent 平台的架构设计：Skill 能力池、Workflow 编排、安全治理的关键模块与工程判断
3. 研发、运营、创作三类智能体的落地边界划分与复用设计方法
4. 如何选择样板场景、跑通第一个 Agent 闭环，再推横向复制的落地节奏
5. AI Agent 平台的 ROI 评估框架：用交付周期、人力释放、业务结果衡量，而不是调用次数

演讲题纲

---

话题亮点

---

分四个层面完成升级：
统一平台底座：将模型接入、Workflow 编排、Agent 框架、Skill 能力池、安全治理统一收敛到 WeFlow 平台，消除各业务线重复建设。
流程级介入：研发智能体覆盖 PRD 到上线全链路；运营智能体覆盖取数、洞察、策略生成到上架；创作智能体覆盖多模态内容生产。AI 进入完整业务闭环。
Skill 原子化：将人群划分、文案生成、AB 实验等高频动作封装为独立 Skill，一次开发、反复复用，运营直接驱动策略上线，不依赖研发排期。
工程化治理：全链路 Trace、监控告警、成本统计，保障 AI Agent 可上线、可审计、可持续优化。
踩坑经验：Skill 粒度、DataAgent 输出校验、运营习惯迁移，是落地最难的三件事，不比技术架构容易。