332 lines
9.5 KiB
Markdown
332 lines
9.5 KiB
Markdown
# 总大纲：AI应用工业化（智能体与流水线实战）
|
||
|
||
## 【Part 0：概念澄清】（8分钟）
|
||
|
||
**核心问题**：
|
||
什么是智能体？
|
||
什么是工作流？
|
||
为什么需要AI工业化？
|
||
|
||
### 🔄 **技术演进的三个时代**
|
||
|
||
**手工时代**（就像手工艺品）
|
||
|
||
- 每次都要重新写Prompt
|
||
- 结果靠运气，质量不稳定
|
||
- 一个人能做，但没法复制
|
||
|
||
例：7位定时任务表达式生成
|
||
|
||
**智能体时代**（像有了机器人助手）
|
||
|
||
- 能记住对话，会调用工具
|
||
- 但每个助手都要单独训练
|
||
- 还是作坊式生产，效率有限
|
||
|
||
例：查询天气
|
||
|
||
**工业化时代**（像现代工厂）
|
||
|
||
- 标准化流程，流水线作业
|
||
- 质量可控，批量生产
|
||
- 普通人也能操作，快速复制
|
||
|
||
例：直连天下AI助手
|
||
|
||
### 💡 **为什么要工业化？**
|
||
|
||
**从Demo到生产，差的不只是代码**
|
||
|
||
- **Demo**：跑通就行，出问题人工重启
|
||
- **生产**：7×24小时，不能掉链子
|
||
- **Demo**：一个人搞定，懂技术就行
|
||
- **生产**：团队协作，业务技术都要懂
|
||
|
||
**工业化解决的核心问题**
|
||
|
||
✅ **标准化**：不是每个项目都从零开始
|
||
✅ **可维护**：出了问题能快速定位
|
||
✅ **可扩展**：业务增长不用推倒重来
|
||
✅ **可复制**：成功经验能快速推广
|
||
|
||
### 🚀 **一句话总结**
|
||
|
||
**"从Demo到生产，从能用到好用，工业化是必经之路"**
|
||
|
||
---
|
||
|
||
## 【第一部分：需求识别篇】到底什么样的需求适合用AI？
|
||
|
||
### 🎯 **AI最擅长的三件事**
|
||
|
||
| 场景类型 | 业务特征 | 典型案例 |
|
||
|---------|----------|----------|
|
||
| **重复性工作** | 每天都要做，流程相对固定 | 订单异常排查、客服问答 |
|
||
| **经验判断** | 靠人的经验，但有一定规律 | 商品好不好卖、订单有没有风险 |
|
||
| **信息整理** | 需要从大量文本中提取关键信息 | 政策解读、文档问答 |
|
||
|
||
### ❌ **这些情况，别用AI**
|
||
|
||
| 场景特征 | 原因 | 替代方案 |
|
||
|---------|------|----------|
|
||
| **规则很清楚** | 用代码更简单、更便宜 | 直接写程序 |
|
||
| **要求100%准确** | AI做不到完美 | 规则引擎 |
|
||
| **一次性的活** | 开发成本太高 | 人工处理 |
|
||
|
||
### 🔍 **三招判断你的场景**
|
||
|
||
**第一招：频次测试**
|
||
|
||
- 这个问题**每天出现**吗？✅
|
||
- 这个问题**偶尔才遇到**？❌
|
||
|
||
**第二招：复杂度测试**
|
||
|
||
- 需要**看多个因素**才能判断？✅
|
||
- 只要**看一个指标**就知道答案？❌
|
||
|
||
**第三招：容错测试**
|
||
|
||
- 偶尔**判断错误**可以接受？✅
|
||
- **绝对不能出错**？❌
|
||
|
||
### 💡 **我们的三个场景，怎么判断的？**
|
||
|
||
**订单诊断：适合**
|
||
|
||
- 订单中断时，对研发同学打断较为频繁 ✅
|
||
- 要看订单金额、流水信息等 ✅
|
||
- 偶尔误判可以接受 ✅
|
||
|
||
**商品分析：适合**
|
||
|
||
- 从下游商品追踪到上游商品需要 2-3 步 ✅
|
||
- 商品名称模糊时需要更多步 ✅
|
||
- 分析错了影响不大 ✅
|
||
|
||
**文库问答：适合**
|
||
|
||
- 人事/研发同学**天天被问相同问题** ✅
|
||
- 要从**大量文档中找答案** ✅
|
||
- **回答错了可以纠正** ✅
|
||
|
||
---
|
||
|
||
## 【第二部分：选择篇】到底该用啥？
|
||
|
||
**核心问题：技术选型四维度，怎么选？**
|
||
|
||
### 🎯 **维度1：部署方式（供应商 vs 私有化）**
|
||
|
||
#### **供应商服务：三种玩法**
|
||
|
||
| 调用方式 | 技术门槛 | 开发周期 | 成本 | 数据安全 |
|
||
|---------|----------|----------|------|----------|
|
||
| **直接调API** | 中等 | 3-5天 | 按调用付费 | 数据在供应商 |
|
||
| **调用智能体** | 低 | 2-3天 | 按调用付费 | 数据在供应商 |
|
||
| **调用工作流** | 最低 | 1-2天 | 按调用付费 | 数据在供应商 |
|
||
|
||
**供应商优势**：
|
||
|
||
- ✅ 无需买机器，零硬件投入
|
||
- ✅ 模型能力强，永远用最新版
|
||
- ✅ 运维简单，出问题有人管
|
||
|
||
#### **私有化部署：两种方案**
|
||
|
||
| 部署方式 | 硬件投入 | 模型能力 | 运维成本 | 数据安全 |
|
||
|---------|----------|----------|----------|----------|
|
||
| **买云主机** | 每月几千到几万 | 比供应商弱 | 需要专人 | 完全可控 |
|
||
| **买本地机器** | 一次性几万到几十万 | 比供应商弱 | 需要专人 | 完全可控 |
|
||
|
||
**私有化成本细算**（14B）：
|
||
|
||
- **云主机**：8核32G，16G显存 ≈ 4500/月
|
||
- **本地机器**：8核32G（1万），16G显存（5000）主机 ≈ 1.5-2万/台 + 运维
|
||
|
||
#### **数据安全对比**
|
||
|
||
| 安全维度 | 供应商服务 | 私有化部署 |
|
||
|---------|------------|------------|
|
||
| **数据出境** | ❌ 可能出境 | ✅ 完全境内 |
|
||
| **数据留存** | ❌ 供应商留存 | ✅ 自己掌控 |
|
||
| **审计合规** | ❌ 黑盒操作 | ✅ 完全透明 |
|
||
| **安全认证** | ✅ 有专业认证 | ❌ 需要自己搞 |
|
||
|
||
### 💻 **维度2：语言选择（Python vs Go）**
|
||
|
||
| 对比维度 | Python | Go | 建议 |
|
||
|---------|----------|------|------|
|
||
| **学习成本** | 生态成熟，资料多 | 当前团队主要语言 | ✅ Go |
|
||
| **性能表现** | 解释型，相对慢 | 编译型，速度快 | ✅ Go |
|
||
| **部署运维** | 环境复杂 | 单文件部署 | ✅ Go |
|
||
| **AI生态** | 最丰富 | 快速发展中 | Python |
|
||
|
||
**结论**：Go团队无脑选Go，生态已够用，优势明显
|
||
|
||
### 🔧 **维度3：框架选择**
|
||
|
||
| 框架生态 | 代表框架 | 成熟度 | 学习成本 | 适用场景 |
|
||
|---------|----------|--------|----------|----------|
|
||
| **Python生态** | LangChain + LangGraph | ⭐⭐⭐⭐⭐ | 中等 | 快速原型、功能最全 |
|
||
| **Go生态** | LangChainGo、Eino | ⭐⭐⭐ | 低 | 生产环境、性能要求高 |
|
||
| **可视化** | Coze、Dify | ⭐⭐⭐⭐ | 最低 | 业务人员、快速上线 |
|
||
|
||
**Go生态推荐**：
|
||
|
||
- **LangChainGo**：最成熟，社区活跃
|
||
- **Eino**：字节跳动开源，企业级
|
||
- **Coze-loop**：可视化+代码结合
|
||
|
||
### 🚀 **维度4：落地策略**
|
||
|
||
| 落地方式 | 开发周期 | 总成本 | 适用场景 | 推荐程度 |
|
||
|---------|----------|--------|----------|----------|
|
||
| **供应商API** | 3-5天 | 最低 | 快速验证 | ⭐⭐⭐⭐⭐ |
|
||
| **Coze本地化** | 3-5天 | 低 | 标准化需求 | ⭐⭐⭐⭐⭐ |
|
||
| **私有化部署** | 2-4周 | 高 | 数据敏感 | ⭐⭐⭐ |
|
||
|
||
### 风险评估
|
||
|
||
#### 技术风险评估
|
||
|
||
**模型稳定性风险**
|
||
**集成复杂度风险**
|
||
**维护成本风险**
|
||
|
||
#### 产品风险评估
|
||
|
||
**效果预期风险**
|
||
**流程变更风险**
|
||
**合规性风险**
|
||
|
||
#### 财务风险评估
|
||
|
||
**成本控制风险**
|
||
|
||
### 🎲 **智能体 vs 工作流，怎么选？**
|
||
|
||
| 场景特征 | 用智能体 | 用工作流 |
|
||
|---------|----------|----------|
|
||
| 规则经常变 | ✅ 灵活调整 | ❌ 需要改代码 |
|
||
| 需要解释原因 | ✅ 能说清楚 | ❌ 黑盒操作 |
|
||
| 成本敏感 | ❌ 贵 | ✅ 便宜 |
|
||
| 准确要求高 | ❌ 可能错 | ✅ 稳定 |
|
||
|
||
### 🎯 **团队选型建议**
|
||
|
||
#### **决策流程：先选部署方式，再选技术栈**
|
||
|
||
**Step 1：要不要私有化？**
|
||
|
||
```
|
||
数据敏感？ → 是 → 私有化（预算充足）
|
||
↓ 否
|
||
调用量大？ → 是 → 私有化（长期省钱）
|
||
↓ 否
|
||
快速验证？ → 是 → 供应商服务
|
||
```
|
||
|
||
**Step 2：供应商服务怎么选？**
|
||
|
||
```
|
||
业务标准化？ → 是 → Coze可视化（1-2天）
|
||
↓ 否
|
||
技术能力强？ → 是 → 直接调API（3-5天）
|
||
↓ 否
|
||
调工作流（2-3天）
|
||
```
|
||
|
||
#### **推荐方案**
|
||
|
||
**方案A：快速验证**（推荐度：⭐⭐⭐⭐⭐）
|
||
|
||
- **组合**：供应商API + Go + Eino
|
||
- **周期**：3-5天
|
||
- **成本**：几千元/月
|
||
- **场景**：80%的企业够用
|
||
|
||
**方案B：标准化需求**（推荐度：⭐⭐⭐⭐⭐）
|
||
|
||
- **组合**：Coze可视化 + 本地化导出
|
||
- **周期**：1-2天
|
||
- **成本**：几千元/月
|
||
- **场景**：业务人员能维护
|
||
|
||
**方案C：数据敏感**（推荐度：⭐⭐⭐）
|
||
|
||
- **组合**：私有化部署 + Go + Eino
|
||
- **周期**：2-4周
|
||
- **成本**：10万+/年
|
||
- **场景**：金融、医疗等强监管行业
|
||
|
||
#### **避坑指南**
|
||
|
||
**❌ 这些坑别踩：**
|
||
|
||
- 一上来就买机器，结果用不起来
|
||
- 担心数据安全，但根本没那么多敏感数据
|
||
- 追求100%自研，错过业务窗口期
|
||
|
||
**✅ 正确姿势：**
|
||
|
||
- 先用供应商服务跑通业务
|
||
- 真有需求再考虑私有化
|
||
- 监控数据先做好，方便后续决策
|
||
|
||
---
|
||
|
||
## 【第三部分：实战篇】实战演示篇
|
||
|
||
### Python LangChain生态展示
|
||
|
||
- 现场演示：chain和graph的实际代码
|
||
- 重点展示：langsmith监控界面
|
||
- 成果对比：用监控前后的问题排查效率
|
||
|
||
### Eino Go生态展示
|
||
|
||
- 现场演示：graph和Workflow代码
|
||
- 重点展示：coze-loop监控面板
|
||
- 性能对比：Go vs Python的执行效率
|
||
|
||
### 方案3：文库智能问答
|
||
|
||
- 现场操作：vue3-frontend界面
|
||
- 用户体验：从用户角度看AI应用
|
||
- 交互亮点：实时反馈、流式输出等
|
||
|
||
---
|
||
|
||
## 【第四部分：行动篇】听完就能动手
|
||
|
||
### 立即行动清单
|
||
|
||
1. **选一个场景**：自身主要负责的业务场景
|
||
2. **填一张表**：用选择表确定技术方案
|
||
3. **套一个模板**：直接用我们提供的代码模板
|
||
4. **算一笔账**：评估投入产出
|
||
|
||
### 成功标准
|
||
|
||
- 1周内：完成技术选型
|
||
- 1个月：上线第一个版本
|
||
- 3个月：看到明显效果
|
||
|
||
---
|
||
|
||
## 【总结】一句话记住
|
||
|
||
**"技术不是越先进越好，而是越适合越有价值"**
|
||
|
||
选择 > 实现，适合 > 先进
|
||
听完就能选，看完就能用！
|
||
|
||
## 【第五部分：相关资源】
|
||
|
||
langchain：<https://docs.langchain.com/oss/python/langchain/overview>
|
||
扣子：<https://www.coze.cn/opensource>
|
||
本地部署：<https://github.com/coze-dev/coze-studio>
|
||
扣子罗盘：<https://github.com/coze-dev/coze-loop>
|
||
Eino框架：<https://github.com/cloudwego/eino>
|