分类目录归档：生活

我对编写周日报场景Agent设计

软件工程师罗小东，多年架构和平台设计经验，目前在研究平台与新技术结合中。

概述

面对日常工作中频繁出现的日报、周报编写任务，传统的手动记录方式不仅耗时且容易遗漏重要信息。通过引入Agent技术，可以有效解决这一难题，实现自动化、智能化的报告生成流程。

主要目标包括提高工作效率、减少重复劳动、确保信息的准确性和及时性。

替代传统手工编写的难点
实现多工具数据整合
自动生成报告，支持按需导出
提供数据分析功能，辅助决策

希望此设计能够为同行提供一些有价值的参考，也欢迎提出宝贵意见，共同探讨更优解决方案，我有我思。

Agent设计思路

这里是设计的一些思路，也是之前遇到的情况，前期已经采集到了数据，所以这里直接输出内容点。

替代传统手工编写的难点

面对每天或每周需要提交的日报、周报，员工往往需要花费大量时间汇总工作进展、问题及后续计划。这种模式不仅效率低下，还容易因为人为因素导致信息遗漏或错误。通过设计Agent自动收集相关信息，可以显著提升报告的质量和效率。

实现多工具数据整合

现代软件开发过程中，团队通常会使用多种工具进行协作，如项目管理工具、代码仓库等。Agent可以集成这些工具的数据源，自动抓取关键信息，如代码提交记录、会议纪要、任务状态更新等，确保报告内容全面、准确。

自动生成报告，支持按需导出

基于收集的数据，Agent能够按照预设模板自动生成日报或周报，并支持用户根据实际需求调整报告格式，例如按时间（天/周）或特定条件筛选内容。此外，还提供了便捷的导出功能，允许用户将报告导出为Word文档或其他常用格式，方便存档或分享。

提供数据分析功能，辅助决策

除了基本的报告生成功能外，Agent还能对历史报告数据进行分析，生成图表展示团队的工作效率、成员贡献度等关键指标。这不仅有助于管理层更好地了解项目进展，也为优化团队管理和资源配置提供了科学依据。

结合演示

咨询定义周日报角色，这里定义几个角色:

周日报生成角色
导出word角色
结合数据分析角色

下面是结合效果情况，先拉入到同一个频道中，当然也可以让管理者场景一句话分配生成，下面是同频道的场景。

这里是管理者的场景，由管理进行分配处理，以下为集成界面，由产品研发经理进行分配安排Worker员工。

总结

通过上述设计，Agent在周日报场景的应用不仅能极大地减轻员工的工作负担，还能促进信息共享和团队协作，进而提升整体的工作效率。这是一次尝试将Agent技术应用于日常办公实践的小结，希望能够激发更多创新思维，共同推动行业进步。

附

以上为使用AIP开源项目开发，项目地址: https://gitee.com/alinesno-infrastructure

我对Agent审核文档场景的设计

软件工程师罗小东，多年架构和平台设计经验，目前在研究平台与新技术结合中。
以下主要为大文本文档审核场景验证，也是高频使用场景之一。

概述

文档审批常常会遇到，而且大文本，人工多次审核和查阅可能还是遗落，这里利用Agent做初步审核，以提供初步审核意见。
主要目标点：

提高效率：自动上传和纠错，提出初步审批意见和低级错误。
保证质量：智能体检测文档中的错误，提升文档质量。
节省成本：减少人力投入，降低运营成本。
每个设计师思路不一样，我有我思。提供一些参考设计，期望有兴趣的同学可以多交流。

设计思路

自动纠错模式

错误标注：对于每一个检测到的错误，我会在文档中标注出来，并高亮显示，让用户一目了然地看到需要修改的地方。
提供修改建议：针对每个错误，我会提供具体的修改建议，并且给出三个不同的修正方案，帮助用户选择最合适的修改方式。

具体步骤

文本识别：将上传的文档转换为可处理的文本格式。
语法检查：利用自然语言处理技术，检测文档中的语法错误。
拼写校正：自动识别并纠正拼写错误。
术语一致性：检查文档中术语的一致性，确保用词规范。
错误标注：在文档中高亮显示错误，并标注具体位置。
修改建议：为每个错误提供三种修改建议，供用户选择。

审阅模式下的批注

显示审批人信息：每一条批注都会注明审批人的名字，增加透明度，让每个人都对自己的工作负责。
记录审批意见：审批人可以根据我的修改建议表达自己的看法，比如是否同意我的建议，或者提出新的修改意见。
个性化修改建议：除了提供的标准修改建议之外，审批人还可以添加个性化的建议，提供更多元化的修改选项。

结合演示

建立新的审批频道，将需要审批的文件上传到频道

调用Agent进行文档审核，顺便说明审核重点。

审批结合的效果，带有审批意见和建议还有提供的原因

总结

以上为业务场景的情况，也是作为一个例子情况，提交给审核人员。

我对Multi-Agent集成业务场景设计

软件工程师罗小东，多年架构和平台设计经验，目前在研究平台与新技术结合中。

术语

频道：多Agent结合交互，类似群，可以拉Agent进入
场景：针对特定要求的多Agent编排，目前集成大文本、管理Agent

概述

针对于AIP的输出整合情况，AIP是目前在维护的开源项目，主要是进行平台和新技术的结合上，同时对外的交流方式之一。

智能体输出场景有很多，这里主要针对的是工作场景还有多Agent交互的情况，目前AIP集成相对常用的业务场景。

抛砖引玉，一家设计，同时也期望有兴趣的同学可以了解和交流，我有我思。

集成场景

主要集成包括频道和场景两部分，单个Agent这里不做场景列出，单个Agent是组成Multi-Agent场景的元素，可以单聊，也可以做执行，也可以调用工具，但是多任务和要求集成在单Agent上会目前导致结果幻觉还有审核流程不太好结合处理，所以这里整理成Agent团队的概念。

注：当前部分引用图片为网络下载，用于研究学习使用

场景列出主要是为了作为demo例子使用，当然这也是平时在用的，结合实际验证。说明:完成指已经在使用当中，测试指在调试验证中。

频道

多个Agent可以拉在一起调用，可以@指定的Agent角色，结果之间，知识库之间可以互相调用。

以下为目前集成的频道：

（完成）写长文本文案，审核，导出word
（完成）分析标书，写标书，导出word
（完成）每日或是根据时间段进度汇总，也可以导出word
（完成）研发工作日报、周报编写，也可以导出word
（完成）研发工作统计情况还有报表生成
（完成）文字转成对话音频，导出mp3
（完成）根据场景需求生成图片4张
（完成）网站知识库自动导入客服咨询
（完成）根据意图项目自动发布项目集成
（完成）根据问题自动推理自动使用工具输出结果（ReAct模式）
（测试）word文档内容审核标注导出
（测试）培训考核题目导出（包括答案），发送Email到指定邮箱

频道的使用角色之间有比较大的共用性，比如很多频道都需要发送email或者word，还有调用研发专员Agent等。

场景

不管是大模型的限制还是使用的便利，还有更加符合业务场景，统一抽取出来的特定编排形式。

以下为目前集成的场景：

（完成）多Agent配合超大文本标书编写
（完成）多Agent配合每日自动生成日报
（完成）多Agent配合编写长文本内容
（完成）管理Agent调动分配工作Agent做事
（测试）多Agent配合写论文同时配图和报表，公式
（测试）自动采集线索自动整理销售方案和技术方案
（测试）自动根据需求生成新的Agent

这里只是列出已经使用和调试好的Agent，场景之间可以互相通用，需要定义Agent还有知识库的处理，针对不同行业达到通用性，比如大文本也可以编写律师行业的合同类。

计划

后续分配行业场景结合，目前为上面的例子，目前对例子进行集中测试，输出需要的指标：

频道、Agent、场景的成功率
Token消耗成本
每个Worker节点时常

还有常见问题输出，对应的例子进一步优化使用和说明文档在整理输出。

以下为编写的初稿：http://portal.infra.linesno.com/technical/brain/01_自定义智能体开发流程.html

附

AIP开源地址：https://gitee.com/alinesno-infrastructure

设计思路：http://alinesno-agent.linesno.com/book/

注：部分图片从网络下载做调试使用，目前为研发学习使用而非商用。

我对超大型文本多Agent的编排设计思路

软件工程师罗小东，拥有多年架构和平台产品设计经验，以下为开源项目AIP集成超大文本的设计思路。

术语

超大型文本：指的是超过100多页、超10万字的文档，比如解决方案、技术方案、招投标书
Agent编排：这里的编排不是工作流，而是针对业务场景的编排，类似于团队人员工作的安排
多Agent技能：每个有自己的技能和擅长部分，每个Agent解决自己的擅长的点

概述

下面处理出来的一般是初稿，然后再进一步的调整，目前的Agent定位为辅助

常会接触过超大型文本，如解决方案、技术方案、招投标书等，通常超过100多页、10万字。处理这类文档时。多Agent系统提供了一种新的解决方案，通过多个智能体（Agent）的协同工作，可以高效地处理复杂任务。

一般超大型文本具有以下特点：

信息量大：包含大量的技术细节、业务流程、管理计划等内容。
专业性强：涉及多个领域的专业知识，需要高度的专业性和准确性。
一致性要求高：文档各部分需要保持一致性和连贯性。

处理超大型文本时面临的主要问题：

效率低下：人工编写和审核耗时长，容易出错。
一致性难保证：多人协作时，容易出现
质量难以控制：文档质量依赖于个人能力和经验，难以标准化。

为了更好的表达，下面以招投标场景为示例来进行阐述。

设计思路

多Agent系统是由多个智能体（Agent）组成的协作系统。每个Agent具有独立的技能和专长，能够处理特定的任务，从过去的项目中抽取成功案例和技术文档，形成一个结构化的知识库。将这些知识库分别导入给单个Agent，使其在编写文档时能够参考和借鉴。

协作机制

通过合理的编排，这些Agent可以高效地协同工作，完成复杂的任务。

任务分配：根据任务的性质和复杂度，将任务分配给最合适的Agent。例如，在招投标场景中，大纲编写Agent负责整体框架，技术方案编写Agent负责技术细节。
责任矩阵：建立责任矩阵，明确每个Agent的职责和任务边界。这有助于避免任务重叠和遗漏。
通信共享：Agent之间需要有效的通信机制，确保信息的及时传递和共享。
动态调整：系统应具备动态调整能力，根据任务进展和环境变化调整Agent的工作状态。

设计多Agent系统的协作机制需要综合考虑任务分配、通信机制和动态调整等多个方面。

场景设计

会有不同的大文本场景，不同的大文本场景可以非常丰富多样，涵盖各种领域和用途。

比如是每个场景都适用于不同的用途：

解决方案 – 提供针对特定问题的综合解决方案，包括技术、管理、市场等方面。
技术方案 – 设计详细的技术实施方案，如系统架构设计、软件开发计划、硬件配置方案。
论文编写 – 学术论文、研究报告、文献综述、实验结果分析。
项目管理 – 项目计划书、进度报告、风险管理报告、项目总结报告。
市场分析 – 市场调研报告、竞争分析、消费者行为分析、市场趋势预测。
产品手册 – 产品介绍、使用说明、技术参数、维护保养指南。
….

这里尽量针对于每个场景设计出不同的Agent，以进行更精细化，更贴近的效果，因为每个输出在与团队路径最短的，只有团队自己或者此场景下最熟悉的人了解。

Agent设计

以招投标场景为示例。

大概会设计下面的Agent，细化可以更精准化，还有知识库更符合团队本地场景，每个场景有自己的知识库，同时每个Agent又有自己的知识库。

负责大纲编写的Agent：会有多个角色编写大纲，然后将大纲合成一份。
负责编写技术方案部分的Agent：注于技术实现方案的撰写，确保技术方案的准确性和创新性。
负责编写概要部分的Agent：编写文档的概要部分，确保整体连贯性。
负责编写项目管理的Agent：负责项目实施计划的制定，确保项目的可执行性。
负责编写商务服务的Agent：关注商务条款和服务承诺，提升客户满意度。
负责编写安装部署的Agent：负责安装部署方案的编制，确保方案的实用性。
负责编写售后服务的Agent：编写售后支持策略，提供全面的售后服务方案，增强客户的信任感。
….

上面的Agent可以理解成一个团队，然后针对这个团队的人员安排，我们这里暂时称这种为场景编排。合理的协作机制可以确保各个Agent高效地协同工作，提高系统的整体性能和可靠性。

过程中每个Agent可以替换和重新更换更好更合适的Agent，比如张三设计的更出，在实践中体验较佳，便可以切换。

集成效果

以下是一个简单的多Agent系统界面设计设计演示，首先选择和分配Agent角色，进行大纲编写，可以选择多个Agent。

编写出大纲之后，如果不符合，针对大纲进行调整或者可调整微调目录结构及符合的场景。进行内容人员编写人员选择。

内容编写界面和文档导出，167页，近10万字文本导出。

当然，也可以添加在这个场景下的特定的文档知识库，然后给各个Agent共享使用。

总结

通过合理的设计和编排，各个Agent可以高效地协同工作，提高文档的质量和一致性。特别是通过历史知识库的利用，可以有效控制文档质量，减少对个人能力和经验的依赖。

我对Agent员工与数据资产结合设计

软件工程师罗小东，拥有架构和平台产品设计经验，目前在研究平台与新技术结合中。

术语

Agent员工指提大模型Agent，比如需求编写的智能体，现在需要进一步的结合真实业务场景
数据资产是为企业或个人带来经济利益的数据资源。它不仅包括数据本身的质量和特征，还涉及数据的应用场景和使用方式。

概述

在找到更合适的方法论前，暂时以此方法论进行结合落地

随着企业数字化转型的不断推进，智能体在提高工作效率、降低运营成本方面展现出巨大潜力。数据资产作为企业的核心资源之一，正逐渐成为提升竞争力的关键因素。

以下为员工能力复制过程:

本文旨在更好地结合Agent员工与数据资产来克服现有挑战，以及这种结合能够带来的价值。每个架构思设计不一，我有我思。

为什么要结合一起

在实Agent员工落地过程中，尽管已有自定义的智能体平台支持数字员工或Agent的落地，但其在真实业务场景中的表现并不尽如人意，遇到的比如：

落地思路模糊：很多企业尚未形成一套成熟的方法论指导Agent员工的应用，其作用发挥受限。
应用场景贴合度不高：部分解决方案过于通用化，未能充分考虑到具体行业的特殊需求。
执行效果欠佳：由于缺乏足够的数据资产或者不恰当的设计，某些Agent可能无法准确理解用户意图或完成复杂任务。

现阶段已经有自定义的智能体平台，进行一步的数字员工或者说Agent落地。

Agent员工落地思路不够明确，执行结果不理想，与真实业务场景结合不理想
需要更统一的结合思想，Agent员工落地的指导思想，需要更明确的落地思想。
Agent与数据资产结合，同岗位结合很产生数据价值

大致的设计流程如下:

构建经验沉淀知识库：收集并整理各个岗位上的宝贵经验，将其转化为结构化的信息存储起来。例如，在IT运维领域内，关于不同规模服务器集群的最佳实践指南便属于此类资源。
数据资产化处理：利用先进的数据分析技术对积累下来的知识进行深加工，提炼出其中蕴含的价值点，从而形成真正意义上的“数据资产”。
整合进Agent体系：把这些经过精心准备的数据资产融入至Agent员工的核心逻辑之中，使其能够更好地服务于特定行业或职能领域内的用户群体。

以体现Agent员工的价值和意义，也体现数据资产的价值(甚至能形成以Agent为载体的数据交易)。

从经验到数据资产

需要考虑将Agent员工同数据资产管理相结合的方法论。这样不仅可以优化现有的工作模式，还能进一步释放数据背后隐藏的巨大潜力。通过这种方式，
我们可以构建一个更加灵活高效的运营体系，使得企业在快速变化的市场环境中保持竞争优势。

知识库建设

经验积累：首先，需要收集并整理各个岗位上的实践经验。这些信息通常以文档形式存在于企业内部，比如最佳实践手册、故障排除指南等。
结构化处理：接着，通过自然语言处理（NLP）、机器学习等技术手段将非结构化的文本资料转化为易于理解和检索的形式。
建立关联：为每条记录添加适当的标签或元数据，便于后续查询时能够快速定位相关内容。
持续更新：确保该数据库随着时间推移得到及时维护，反映最新的技术和行业趋势。

比如一个简单的场景：

现在需要系统部署规划角色，要求是针对于某个业务场景下：

针对简单服务器的划分怎么处理
针对内网外网，中间安全网络怎么划分
针对百万、千万、分布式服务器资源怎么划分
针对高并发、单机、信创网络非容器场景怎么划分
针对于k8s、容器化场景下怎么划分资源
….

将上面经验中形成数字化，资产化，将前期的经验形成资产化进行沉淀，梳理形成数据资产，再进一步的结合Agent，形成原岗位角色的能力复制（或者说分身）。

数据资产建设

在将Agent员工与业务场景紧密结合的过程中，构建一数据资产体系。以下是数据从采集到加工再到输出为数据资产的主要步骤。

1. 数据采集

多源整合：确定并整合来自不同渠道的数据源，包括内部系统（如ERP、CRM）、日志文件、外部API以及公开可用的数据集等。这些数据可以涵盖操作记录、用户反馈、性能指标等多个维度。
自动化收集：利用ETL工具或其他数据集成解决方案实现数据的自动收集和同步。确保数据能够定时更新，并且保持最新状态，以便于后续处理和分析。