比帮你写代码更爽的是：让 Agent 来打工｜对话 AI 原生《云智实验室》

大模型演进至今，大家一直在等待一个杀手级应用，Agent 的出现正在让这一构想成为可能。Agent 能将大模型的强大能力与实际业务场景结合，实现更加智能化和个性化的应用。百度智能云千帆 AppBuilder 作为基于大模型的企业级 AI 原生应用开发工作台，全面覆盖从创意到部署的高效 AI 应用开发需求，精准解决大模型技术向实际应用转化的“最后一公里”难题。那么，从传统应用开发到 AI 原生应用开发，其中的逻辑发生了哪些变化？千帆 AppBuilder 是如何助力企业提升生产力，加速应用开发的？未来，企业级大模型应用开发平台将如何进化？带着这些问题，在《对话 AI 原生：云智实验室》栏目中，百度智能云千帆 AppBuilder 产品负责人朱广翔与 InfoQ 总经理王一鹏展开了一次深度探讨。

以下为本期栏目精华内容

InfoQ：大模型技术引领千行百业转型升级的同时，也颠覆了应用开发范式。从传统应用开发到 AI 原生应用开发，其中的逻辑发生了哪些变化？在大模型时代，我们需要一个什么样的应用开发平台？

朱广翔：自己有幸经历了小模型时代到大模型时代这个历程，还是非常有感触的。我从初中开始写代码，一直写到博士毕业也快 20 年了。但是大模型出现之后，终于不用再写代码了。现在基本上用一些低代码工具，甚至用语言对话就可以直接把应用做出来，这是我从来没有想象到的。不仅我有这种感受，其实我们周边的人都有这种感受。

就像在计算机专业有一个流行的梗：“就差一个程序员了”。意思是说，在团队合作里边，程序员这个角色往往是不可或缺的。而现在，真的是可以缺少程序员了。在百度，每年都会举行一个创意大赛“Hackathon”，过去，基本上一支队伍里有 PM、研发，还有一些产品设计同学。最近两年发现，很多团队真的是没有程序员了，只有纯 PM 和设计师就可以组成一个队。只要有创意，就可以去做一些应用。

通过这个例子发现，大模型时代的到来其实改变了整个应用开发模式。顺应这个模式，大模型到底带来了哪些核心的变化？总结来看，主要是四个方面：

第一，降低开发门槛，提升开发效率，主要是降本。对比大模型和小模型，从原理上讲，大模型在做数据分析、信息处理时，它对语言的理解非常深入。以前小模型需要做很多语言规则，分词、打标，经过一系列复杂的流程，最终才能把一个语言信息做好向量化，再去用于后续处理。在语言生成方面其实也有很大的问题。之前很难生成一些像人一样非常流畅的对话，还是比较机械的，总是需要我们后续去做些结构化的修修补补。这种情况下，效率就非常低，需要花很多精力去做各种前处理、后处理，浪费很多时间。

企业开发中的小模型和大模型之间存在明显的区别。百度搜索信息流有很多关于信息处理的任务，比如数据的分类打标、信息检索。这些任务可能包含几十个任务，每个任务都是准备一批数据训练小模型做对应的任务，是个烟囱式的，一个一个纵向地去发展。随着大模型的出现，这些任务可以被整合到一个统一的底座中，通过一批总体数据来训练模型，从而解决各个任务的问题。这样，企业无需每个部门投入大量 IT 人员，而是可以设立一个相对公共的 IT 团队来提高整体效率。

第二，增强效果。和大模型相比，小模型在语言理解、推理、生成以及执行任务等方面的能力相对较弱。就像我们经常去测算大模型的容量，其知识量相当于全地球的人阅读 60 年的书，可以说是“天上一天，人间一年”，大模型思考一秒可能就相当于小模型或人类思考几年、几十年，它的能力非常强。大模型不仅能回答问题，还能深度解决问题，它可以发起任务，调用一些系统工具执行流程，并最终获得结果。不仅告诉你怎么做，而且帮你做好。

第三，改变交互。以往的交互主要依赖于图形用户界面（GUI）的操作，点点选选，而大模型采用的是基于语言的对话交互方式，能够更好地满足长尾需求。比如，过去我们很难记住一个系统中二级目录或三级目录的具体内容，通常只能看到界面上首页的几个按钮，许多长尾需求因此被掩盖。而大模型的出现使得语言对话成为可能，类似于从传统的门户网站发展到百度搜索，用户可以通过输入关键词来发起问答，模型会帮助分发问题并指导使用适当的工具或功能来解决问题，从而提高效率。这种交互方式的变革让用户路径发生了翻天覆地的改变。

以上三个方面总结来看其实都是+AI 的方式。第四种就是 AI+——先有 AI，AI 原生了一个业务。举个例子，以前大家制作 PPT 基本是先搜索一堆素材，再进行拼接和修改，最终制作出一份完整的 PPT。如今，像百度文库可以端到端的直接生成 PPT。再比如，在编写代码方面，过去仅有一些代码提示和检索等辅助功能，而现在，百度的 Comate 可以自动生成代码，这在以前也是不可能的。此外，千帆 AppBuilder 最近为很多教育用户做拍照解题，以前有拍照搜题，如今借助大模型，它在拍照之后不仅能给出问题的答案，还能详细阐述解题的推理过程、各种思路和流程。这实际上是一个推理生成的过程，这种应用在以前是完全不存在的，是 0-1 的过程。

总的来说，大模型带来的核心变化体现在四个方面：降本、增效、改变交互、发现新机会。

InfoQ：在 2024 百度云智大会上，千帆大模型平台宣布升级到 3.0 版本，对比 2.0，千帆 AppBuilder 有哪些主要升级点？这些升级对于企业开发 AI 应用来说，带来了哪些新的可能性和变化？

朱广翔：千帆 AppBuilder 从 2.0 到 3.0 主要实现了两大升级点：第一个是企业级 RAG（Retrieval-Augmented Generation），第二个是企业级 Agent。

RAG，即检索增强生成，它利用搜索技术强化大模型的知识源，从而降低幻觉，增强知识回答的客观性和可解释性。举个形象的例子来对比 RAG 和裸模型（纯大模型）：裸模型类似于闭卷考试，面对问题时只能依靠事先学好的知识进行回答，如果知识储备不足，就可能出现“不知道答案只能乱写”；而 RAG 类似于开卷考试，面对问题时可以去网上搜索、查阅资料，找到大量参考素材，基于这些素材和原始问题进行阅读理解，从而给出更加准确、有据可依的答案。

Agent 和裸模型的对比就类似于人与猿的对比。人类之所以区别于其他动物，是因为人类拥有复杂的思考过程，能够指导自己的行为，并且能够使用各种工具。Agent 就像拥有一个中控核心大脑，它能够思考如何将原始任务拆解为子任务，然后逐步完成。在这个过程中，Agent 会根据任务类型调用相应的工具，借助各种工具来扩展自身的能力，就像“长出三头六臂”一样，拥有更多解决问题的能力。

InfoQ：当前，RAG 技术的受欢迎程度在工业界、产业界和学术界正逐渐成为共识。而随着企业级 RAG 技术的发展，它在特定场景下的应用潜力日益凸显。根据您的观察，企业级 RAG 技术的核心能力是什么？这些能力将重点解决哪些场景下的问题？

朱广翔：企业级 RAG 主要解决的是企业在应用 RAG 技术时所面临的问题。例如，一个企业可能承载着整个单位或组织的所有信息和知识，文件数量庞大。在个人电脑上可能有几千份文件，而在企业中可能有几千万甚至上亿份文件。这些文件并非静态存放，而是动态变化的。员工随时可能提出问题，系统需要能够迅速检索并召回相关文件，快速给出答案，并且保证服务的稳定性，无论有多少人访问，都能稳定地提供服务。这种非常稳定、高效、海量的知识管理、存储架构和检索效率，其实是企业级 RAG 核心解决的问题。

企业级 RAG 也充分发挥了百度的长处。百度 20 年来一直专注于搜索，拥有非常领先的搜索架构经验以及丰富的搜索内容。千帆 AppBuilder 主要从搜索技术经验和内容上增强了 RAG 能力。从技术层面来看，千帆 AppBuilder 利用搜索对知识进行解析、切片、增强，实现高效的在线检索召回，并与大模型结合快速总结答案、生成最终结果。这套流程快速、准确，处理量大，并且实现了一个无限容量的 RAG，无论多少文件都可以存储。我们利用云技术实现在线存储，并支持弹性的扩缩容。业务是变化的，今天存储了 100 万份文件，明天可能变成 10 万份，后天又可能变成 1000 万份。为了让企业拥有更高效、更高性价比的存储方式和检索方式，千帆 AppBuilder 支持业务量大时扩容，量小时灵活地缩减容量，这种上量和下量的能力也是千帆 AppBuilder 的特色。这是搜索技术架构给千帆 AppBuilder 带来的增强。

此外，搜索内容也带来了增强。百度搜索拥有丰富的内容源，如百度文库、百度百科以及一些官方的积累了 20 年的内容。利用这些内容源来补充企业的知识源，这也是企业级 RAG 的一个特色。

除了以上两点，企业级 RAG 还解决了一个核心问题，就是企业的数据一定要安全。一方面是内容安全，内容要合法合规。文心是国内第一批获得国家合规认证的大模型，结合文心大模型的安全能力，千帆 AppBuilder 全面增强了内容输出的可控性。另一方面是数据传播安全，数据需要隔离。无论是在公有云上实现虚拟隔离，还是购买一个专属机房实现物理隔离，甚至直接将机房部署到本地，这几种模式都是用最强的安全技术去强化数据安全。

此外，企业级 RAG 还具备对多元信息的处理能力。企业内部存在多种内容源，复杂之处在于企业有许多部门，每个部门都有自己的数据管理方式、管理系统，存在各种知识库、数据库、接口，而且数据格式也非常复杂，包括图文、数据、表格、代码等。千帆 AppBuilder 对各种来源、各种信息的解析处理都进行了特定的优化，提供一个开箱即用、业界领先的效果。在基础效果之外，千帆 AppBuilder 还提供了丰富的工具链。用户开箱之后，可以利用工具链根据自己的场景化数据进行面向场景化的调优，实现更极致的效果。

百度是国内第一个发布大模型的公司。大模型发布之后，当其他公司在发布大模型的时候，百度就在做 RAG，并且积攒了很多经验。经过我们调优后，效果可能从 90 提升到了 99，实现了 9 个点的增长。研发团队积攒了大量经验，现在都将其产品化，变成一个一个原子可调的接口，这就是之前提到的工具链。开箱之后，还可以基于特定场景和业务，利用这套工具链达到场景化的极致效果。

InfoQ：随着 AI 应用的不断进化，Agent 已经成为 AI 应用的最主流形态，即将迎来爆发点。在云智大会和世界大会上，千帆分别发布了自主规划 Agent 和工作流 Agent。这两种 Agent 有何区别？它们分别解决了哪些场景问题？

朱广翔：这种分类主要是为了区别它们的使用场景。举个例子，一名市场营销专业的大学生相当于自主规划 Agent，他在学习期间掌握了一些基本的技能，能与人沟通，并具备一些基本的学科常识。无论面对什么样的客户，他都能很好地获取客户信息，深入了解客户需求，并最终推荐相应的产品。面对不同的人，他能够灵活应对，这体现了他的基础素质。这就是自主规划 Agent，它比较自主、智能和灵活。

另一类是工作流 Agent。假设该学生毕业后进入企业，企业将他培养成一名专业化的销售人员。经过一系列销售培训，企业告诉他公司的流程，教他如何面向客户，用什么样的话术引导客户，以及如何逐步引导客户从需求沟通到产品推荐，最终促成客户付费下单。这一套流程实际上可以称为“套路”。无套路 Agent 其实就是自主规划 Agent，工作之后有了套路，心中有了一套行为框架，会沿着框架逐步开展工作，这就是工作流 Agent。相当于把工作流写入到大模型的“大脑”中，使大模型的对话过程和生成过程能够按照既定流程和企业的 SOP（标准操作程序）进行。

企业复杂业务流程的场景，选择工作流 Agent，把“套路”写入大模型脑子里，更稳定、可控。灵活智能、需要低门槛开发的场景，选择自主规划 Agent，把更多思考规划的工作交给大模型。

InfoQ：千帆 AppBuilder 作为企业级 AI 原生应用开发平台，目前在哪些场景中实现了快速落地？这些场景中，千帆 AppBuilder 是如何助力企业提升生产力，加速应用开发的？是否有一些成功的案例可以与我们分享？

朱广翔：千帆 AppBuilder 落地的客户主要分为两大类。第一类是泛互联网和泛科技行业的客户。这些客户的业务模式为 2B2C，他们拥有自己的 C 端用户群体。我们为这些客户提供服务，进而支持他们的 C 端用户使用最终的产品功能。例如，在泛互联网行业中，污水宝是一家专门处理招标文件的公司，拥有海量招标文件。千帆 AppBuilder 通过企业级 RAG 技术帮助它托管成千上万的文件，实现快速检索相关招标文件，并根据结构化信息让大模型总结生成报告等。此外，硬件企业酷旗是国内最早从事硬件开发的团队之一。千帆 AppBuilder 为其提供了工作流 Agent，针对其众多硬件产品，如闹钟、手表、耳机、音箱、大屏等，我们根据不同硬件场景和需求设计了相应的工作流和智能体。无论用户提出何种问题，它都能灵活地根据场景进行判断，例如是进行闲聊、播放音乐，还是唤起某些系统功能。

第二类客户是央国企和政企客户，这些客户涵盖多个行业，如政务、能源、工业、金融等。例如，千帆 AppBuilder 与北京大学联合开发了一款名为“小北学长”的应用。在学生时代，大家面临一个痛点：查询课程信息需要访问课程系统，查询成绩需要访问成绩系统，查询其他信息需要访问教务系统，浏览新闻需要访问官网，甚至需要查看邮箱、群消息等，信息分散在各处，给学生带来不便。千帆 AppBuilder 利用大模型将分散在各处的几十万条信息，通过企业级 RAG 的能力进行托管，实现快速问答和知识检索。这个小助手并非像传统搜索那样简单地输入一个词然后给出答案，而是具备深度思考的能力。比如，我问了一个很复杂的问题：推荐重庆人去北大哪个食堂？它需要先思考重庆人的口味特点，然后找到相应提供这种口味的食堂，提供答案。这是一个推理加生成的过程，大模型具备这样的能力，比简单的搜索更进一步。在媒体行业，澎湃新闻积累了 2700 万的媒资，千帆 AppBuilder 也是通过企业级 RAG 使其在媒资管理上能够快速获取信息。

再举一个 Agent 的例子，中卫慧通是一个服务于基层公务员的团队，它采用的智能体是自主规划 Agent，没有那么多套路，就是帮老百姓办事。它预制了许多功能，如一键报案、查询政策、查询信息等。在许多基层地区，尤其是在乡镇和农村，村长和基层公务员数量有限，但老百姓众多。有时，许多外地务工的老百姓回乡后，会咨询异地就医、孩子上学等问题，这些问题相对复杂。但这些问题实际上在政府网站的一些文献中已有答案了，需要有人将供给和需求进行匹配，大模型就办了这个事。千帆 AppBuilder 开发的智能体上线后，覆盖了 18 个区县，服务了千万居民，每天有 800 万次的咨询量。以每个公务员每天能回答 200 个问题来计算，相当于有百万公务员在服务，极大地提升了基层治理的效率。

InfoQ：展望未来，企业级大模型应用开发平台将如何进化？千帆 AppBuilder 在未来又有哪些令人期待的规划？

朱广翔：关于下一步，我们也一直在思考，有几个方向特别重要。

第一个方向是多模态。当前正处于信息爆炸的时代，信息形式不再局限于文本，还涵盖了音频、视频、图像等多种类型。为了顺应这一趋势，千帆 AppBuilder 将平台向多模态领域拓展，支持各种多模态的 RAG 和多模态的智能体。

第二个方向是大模型和小模型的融合。虽然现在是大模型时代，但小模型并非完全失去价值。例如，在人脸识别、OCR（Optical Character Recognition）等传统领域，小模型依然表现出色且稳定。小模型还有一个重要优势就是速度快，因为它资源消耗少，计算也快，成本更低，对企业来说性价比更高。对于一些简单的查询任务，如之前提到的硬件场景中，酷旗为儿童设计的手表，儿童提出的问题可能较为简单。在这种情况下，它其实不需要用那么强大的模型，可以采用小尺寸模型进行任务分发和分类。对于大模型和超大模型，我们可以采用一种策略，允许用户根据自己的业务需求，自行 DIY 将各种模型组合起来，以实现最佳的效价比，既能保证效果，又能确保性能，满足用户的使用需求。这也是我们在努力去突破的一个方向。

除了以上两个方面，目前我们所开发的各种智能体、RAG 等，基本上还停留在 ChatBot 阶段，主要以对话框或搜索框的形式呈现。但实际上，企业实际需要的应用往往较为复杂，包括各种较为复杂的管理模块。因此，我们也在积极推进从对话形态的应用向 LGUI（自然语言+图形界面）形态应用的升级。千帆 AppBuilder 所搭建的应用将不仅仅是一个对话框或一个 Bot，而是一个真正的 APP，无论是移动端的 APP、电脑端的 Web 门户页面，还是类似于企业级 ERP、HR 系统等复杂应用。只有这样，才能在企业中真正实现智能化和数字化转型，打造出一个能够被企业广泛应用的大型系统，大国重器。