从零理解如何构建 AI Agent

Appearance

从零设计企业 Agent ​

以 IMS AI Copilot 为案例主线，按一个真实企业 Agent 的生命周期拆解：为什么要做、怎么识别意图、如何承接四类能力，以及最后怎样生产化。

这里的 IMS AI Copilot，可以先理解成一个接入企业内部系统的员工助手。它面对的不是开放聊天，而是 HR、OA、制度知识库和流程系统里的真实任务：

  • 查制度：例如年假、加班、报销、入职流程；
  • 查个人数据：例如假期余额、考勤记录、流程状态；
  • 做操作引导：告诉用户当前应该去哪个系统、填哪些字段；
  • 推进流程：在用户确认后生成草稿、提交申请或查询审批进度。

这个案例不是为了绑定某个具体公司系统，而是提供一组足够典型的企业 Agent 约束：权限、数据隔离、审计、状态恢复和高风险动作确认。

这个专栏覆盖两类读者：

  • 企业内部开发者：重点看 IMS 案例，直接对照自己的 HR、OA、知识库、流程系统复用。
  • 通用 AI 工程师：重点看架构设计，把企业 Agent 的约束、拆解方法和生产化经验迁移到其他行业场景。

快速入口 ​

  • 阅读指南：按企业开发者、AI 工程师、架构负责人三类角色选择阅读路径。
  • 设计检查表：把专栏内容压缩成可用于方案评审的检查清单。
  • 实施模板：把目标用户、核心任务、数据源、工具和权限写成项目方案。
  • 风险矩阵：按数据、工具、流程、输出和模型五类风险做上线判断。
  • 架构蓝图：用一张项目级架构图收敛入口、意图、编排、权限、工具、数据和审计。
  • Python 项目结构：用 Python 落地时的目录设计、模块边界和技术选型。
  • 数据模型：统一用户上下文、意图、计划、工具、确认、引用、审计和响应对象。
  • 运行时状态机：定义澄清、确认、工具执行、失败和取消的生命周期。
  • API 契约：约束 chat、confirm、session、audit 和 health 接口。

主线能力 ​

IMS AI Copilot 的四类能力会贯穿全篇：

能力典型问题关键设计
Policy Q&A公司制度、流程政策、FAQ 查询知识库切分、权限过滤、引用溯源
个人数据考勤、绩效、假期、薪资等个人信息查询用户上下文、数据隔离、结构化查询
操作引导告诉用户该怎么完成一个业务动作意图识别、步骤分解、系统导航
流程自动化代用户发起或推进企业流程工具调用、审批确认、人机协同

专栏结构 ​

模块 0：为什么企业 Agent 不一样 ​

篇章标题形态
E00企业 Agent 的四个本质约束已发布
E01从 Chatbot 到 Enterprise Agent已发布

模块 1：先识别用户到底想做什么 ​

篇章标题形态
E02企业 Agent 的意图分层已发布
E03混合查询的拆解策略已发布
E04多意图与澄清问题设计已发布

模块 2：Policy Q&A 与企业知识库 ​

篇章标题形态
E05企业知识库不是普通 RAG已发布
E06权限过滤与引用溯源已发布
E07Text-to-SQL 在企业场景的风险与管控已发布

模块 3：个人数据与操作引导 ​

篇章标题形态
E08个人数据查询的上下文设计已发布
E09操作引导不是把文档换成对话已发布
E10从意图到可执行步骤已发布

模块 4：流程自动化与人机协同 ​

篇章标题形态
E11Human-in-the-Loop 节点设计已发布
E12高风险工具调用的确认机制已发布
E13流程状态、回滚与补偿已发布

模块 5：生产化收口 ​

篇章标题形态
E14企业 Agent 的观测与审计已发布
E15成本、性能与模型路由已发布
E16从项目到平台：企业 Agent 的演进路线已发布
E17复盘：IMS Copilot 给企业 Agent 的设计启发已发布

落地工具包 ​

工具标题用途
模板企业 Agent 实施模板立项、方案撰写和项目范围收敛
矩阵企业 Agent 风险矩阵评估数据、工具、流程、输出和模型风险
蓝图企业 Agent 参考架构蓝图对齐项目级架构分层和上线底线
工程结构Python 项目结构与技术选型将架构蓝图映射成 Python 目录、模块和选型
数据契约企业 Agent 数据模型与 Schema固定上下文、意图、计划、工具、确认、引用和审计对象
状态契约企业 Agent 运行时状态机明确请求生命周期、恢复、重试和取消边界
接口契约企业 Agent API 契约设计定义对话、确认、会话、审计和健康检查接口