企业级AI智能体实践：用得上、做得深、回答准:熊俊彬

教学设计

培训提供

学习项目

培训管理者

内训师培养

企业级AI智能体实践：用得上、做得深、回答准

熊俊彬

CSTD人才发展平台

2025-07-11

随着AI热潮的兴起，从2023年开始我就全身投入AI实践与研究。从AI应用到工具开发，无论是通过人才培养还是举办活动，都希望探索企业培训AI转型之路，其中AI智能体开发贯穿始终，尤其是越来越多企业开始部署本地化大模型，智能体对于企业AI应用落地显得尤为重要。这其中有些心得总结起来就是：用得上，做得深，回答准！

用得上：开发企业级智能体应用平台

2025年，随着智能体应用在千行百业加速落地，智能体应用开发的实际需求和痛点也正在发生变化。过去两年，以大模型为中心的AI应用搭建平台逐渐实现了“人人都可以开发智能体”，但如果想要让智能体真正做到企业级应用——成为能够背着OKR跟企业共同成长的数智员工，能开发出来智能体只是第一步。

从 “C 端热闹” 到 “B 端受冷”：智能体 “用不起来” 的困局

去年，我们团队在 Coze、文心等平台上前后开发出上百个智能体。但这些智能体基本是给C端用户使用。比如我们在豆包上发布的“课程生成器”、“试卷生成器”等智能体，用户高达上万人，却不知道哪些用户在使用，更不知道他们对智能体的使用情况和反馈意见，这对企业来说并不能创造直接价值。

建个 “AI 门户”：让智能体从 “散养” 到 “家养”

为解决智能体上线后“用不起来”的痛点，我组织IT团队开发了一个企业级的智能体应用平台——磐智AI数智员工赋能平台。在Dify平台上开发，将应用分散、缺乏统一入口和权限管理的智能体聚合在公司官方网站上，并与公司用户管理系统、会员管理系统连接，形成AI门户，实现了按用户角色访问、使用记录可追踪，信息安全可保障等功能，结果是员工和会员用得顺、IT 管得住。

让智能体融入业务中：从 “能用” 到 “好用” 的关键

真实的商业环境里，数据在变、场景在变、业务需求在变、驱动智能体的大模型也在进化。能够在真实场景中结合业务、数据和模型实现相互耦合、动态进化的智能体，才是真正从“能开发”走向“能用、好用、用得起”。磐智AI平台在交互过程中，系统会自动积累用户数据与偏好，反哺智能体优化，形成“使用-迭代-更智能”的正向循环，让“数智员工”真正融入到企业业务中。

当前是AI智能体从“炫技”走向“实用”的关键时刻。如何让智能体在企业中“生根发芽”，从低门槛到高性能？如何让数字员工“持证上岗”？这都是企业应用AI必须首先考虑的问题，这背后是一整套对业务理解、开发能力与模型协同的系统思考。未来的企业，不是有没有AI，而是谁能真正把AI用好。

做得深：AI学习设计师的“重生”

在过去十年里，我一直致力于推动企业学习项目的设计。我最想开发的智能体就是能够帮助设计学习项目的智能助手。然而从构想到落地花了一整年。

用户初体验：只会套模板的工具

2024年6月我们在Coze平台上搭建了一个“培训方案生成器”。用户无需输入复杂的提示词，只需通过与智能体的对话提供培训需求等信息，就能生成一个完整的培训方案。

结果第一批用户反馈扎心了：方案是全，但像套模板。更尴尬的是，随着DeepSeek等推理模型的广泛应用，直接使用大模型生成的方案质量已经不亚于我们的“培训方案生成器”。

重新定位：融入业务的数智员工

为了发挥智能体的独特价值，我们重新思考了智能体的定位。这次，我们不再将智能体仅仅视为一个工具，而是将其定位为一名数智员工的角色。

CSTD有一个“学习设计师认证”的项目，已经举办了110多期。我们设想能否开发一个AI认证导师，不仅能帮助学员掌握学习项目设计的方法和理念，还能辅助生成学习项目方案，甚至可以还可以生成学习地图、培训课程和运营方案等。

2025年3月，春季认证班我们试着用了这个新智能体，还大胆取消了线下面授——结果学员炸了锅。有位学员直接反馈不想做“小白鼠”。没办法，我们加了一天“AI+学习设计”线下课，带着大家演练智能体操作，效果超过学员预期。95%的学员通过AI伴学都过了认证，有6个项目还直接进入了第十届企业学习设计大赛复赛。

功能优化：因材施教的智能导师

在智能体使用过程中学员们也提出了很多建议，比如智能问答最好匹配视频微课，方便系统掌握知识技能；方案生成最好能借鉴以往案例（CSTD通过学习设计大赛沉淀了1000多个项目案例）；智能体的功能也不要太复杂等等。

于是我们团队又重新优化智能体，以上问题逐一解决，并在6月份举办的夏季认证正式使用，得到学员广泛好评，而且“AI伴学+直播辅导”的形式也得到学员肯定，大大减少了学习成本，提高了学习效率。

从“培训方案生成器”到“AI学习设计师”的智能体开发过程，充分感受到“DEMO五分钟，落地一整年”的挑战。智能体开发需要从业务视角定位智能体角色，并持根据用户场景需求续不断地优化调整，才能让AI真正落地。

回答准：给智能体建个“靠谱的知识库”

智能体最让人头疼的是“一本正经地胡说八道”，也就是在特定领域知识上存在"幻觉"问题，可能生成看似合理但实际上不准确的内容。

比如“AI学习设计师”智能体推荐A项目案例时，会引用B项目的目标，C项目的实施方案；“培训智搜”智能体找讲师，输入“制造业生产管理”的讲师，结果推了个讲领导力的老师。在企业应用中，错误信息可能导致严重后果，这是不可接受的，问题主要出在知识库数据质量。

"垃圾进，垃圾出"

无论大模型的算法多么先进，智能体的工作流多么专业，如果底层的知识数据质量不佳，系统的表现也会受到限制。因此，知识数据整理是构建智能体的基石。

在调试“AI学习设计师”智能体过程中，我们最早加载的案例知识库，只是将之前编写的案例集直接转为知识库。这些非结构化的内容，智能体要么“答非所问”，要么把A公司的销售项目案例安到B公司的生产岗上。

"结构化，向量化"

在深度研究大模型知识库构建后，我们团队花了一个多月的时间“拆课程”、“拆案例”：将原来的课件拆分成200多个知识点，同时挑选最有参考价值的案例，避免过期或存在错误的文档影响智能体的使用，然后把每份案例切成500-600字的片段，标上所属行业、学员对象、项目背景、项目目标、设计思路等30多个标签，最后向量化处理后加载到智能体中。

激活知识资产

现在的”AI学习设计师’智能体，在推荐案例时不仅能实现95%以上准确率，而且在设计方案师也能参考更加相似的优秀案例，比如设计“销售新人培训项目方案”事，智能体先调出3-4个同类案例的设计思路，再结合用户需求生成方案。把CSTD沉淀10年1000多个全国优秀企业的学习项目案例彻底激活。

同样的方法，我们又把CSTD沉淀的近万名讲师的资料整理成数据库，通过“培训智搜”、“讲师智选”等智能体，帮助员工和会员精准寻找合适的讲师课程，后期还会将师资库加载到“培训方案生成器”中，无论甲方还是乙方设计培训方案时都可以智能匹配师资。

知识库质量是企业AI应用成败的关键。每个企业都有其独特的业务场景、流程、知识，如何让通用大模型理解业务场景、掌握企业的知识和流程，这不仅是一个技术挑战。

培训人的AI进化：从人才培养到智能体训练

这两年见了上百位企业培训负责人，发现一个规律：最早转型的培训人，都在做“智能体训练师”。

为啥是培训人？我们懂业务场景（知道智能体该解决啥问题），懂人才培养（知道怎么给智能体“设定角色”“教技能”），还懂知识管理（知道怎么喂给智能体靠谱的“智慧”）。

想转型？先搞懂这三件事

会“定义角色”。给智能体画“人设”，比如“你是零售店长的培训顾问，说话要接地气，多举超市案例”——就像我们给内训师做定位一样。

会“拆业务”。把“提升销售业绩”拆成“客户画像→产品匹配→谈判话术”，再让智能体逐个攻破——这和我们做工作任务分析的思路相通。

会“管知识”。知道哪些知识有用，哪些案例可取，怎么给知识打标签、做更新——这正是培训人天天在做的“经验萃取”、“知识传授”。AI不是洪水猛兽，是工具，是伙伴。培训人最懂“培养”的逻辑，而智能体，不过是我们培养的“数智员工”。

未来5年，企业拼的不是有没有AI，而是有没有能“玩转AI”的培训人。期待在训练营见到你，一起把智能体变成培训的“超级引擎”。

AI 、教学设计、培训提供、学习项目、培训管理者、内训师培养