AI创新加速：揭秘Coze、元器、Dify、千帆、百炼如何推动Agent开发新纪元

今年开始，Agent成为大模型落地的最佳选择，各大厂商都在大力推广。面对这种技术簇，我们应采取一种积极探索与谨慎评估并重的策略——既要保持理性，也要保持乐观。随着大模型迭代的浪潮一波接一波地推高技术前沿，Agent技术已经成为大模型落地的主流选择，并被视为赋予大模型更广阔能力的最佳路径。从理解复杂的指令，到处理多模态信息，从简单的问答系统到复杂的决策支持系统，从个性化推荐到自动化的业务流程管理，陆续在更多领域展现出其巨大的潜力和价值，它正在为社会带来深刻的变革。在这场趋之若鹜的群体行动中，面对这项持续发展变化的技术簇，我们应采取一种积极探索与谨慎评估并重的策略——既要保持理性，也要保持乐观，以此来应对不确定性。技术的更新迭代需要时间与耐心，而技术的应用则需了解其限制和准确判断业务场景。要有效利用大模型，首先，必须明确他们的优势和不足(图1)。接下来，整理业务操作流程即业务SOP，确保对业务场景有深刻理解和准确的认知。其次，对领域知识进行必要的梳理。第四，在搭建Agent的过程中，尽可能的规避LLM的局限(例如，通过多轮对话精准捕捉识别用户意图)。第五，要做好企业内专业资料的处理和必要工具的建设。最后，准备好对Agent进行持续的优化(效果优化)，从而在应用大型模型时发挥其优势，规避弱点。一、大模型原生能力&局限大模型擅长语义理解、逻辑推理以及生成和创作内容。然而，它们目前存在一些限制，包括对特定领域的深入理解和时效性不足、有限的记忆能力、在实际情况中的鲁棒性不够，导致错误、潜在的安全风险、推理和规划能力尚待提升、缺少合作意识而无法协同解决复杂问题、以及缺乏视觉和听觉等感官能力，有时生成的信息可能不精确或是虚构的。在构建Agent时，可以通过集成其他技术和能力来补充和改进大模型的这些不足。另外，一些限制更多地取决于大型模型自身能力的提升。例如，泛化能力和过度拟合现象，这可能导致对含糊不清的信息的理解出现歧义，或者混淆了特定领域的知识。模型处理上下文的能力也受到长度的限制。模型的可解释性和可调试性不足，使其在某些情况下表现得像一个局部的黑箱。由于模型参数众多，推理过程耗时较长。此外，微调模型对高性能的GPU和TPU计算资源的需求也相对较大。二、Agent 为让大模型更充分的发挥价值，突破当前的局限，主流趋势是通过Agent增强能力(大脑)，为大模型增加眼耳鼻口手脚的能力。 2.1 Agent框架 Agent为大模型提供了执行复杂任务、与环境交互、自主决策和长期记忆等关键能力，使得大模型的应用从单纯的语言处理扩展到更广泛的领域，包括自动化任务执行、客户服务、内容创作等，极大地扩展了AI的实用性和影响力。为了实现这样一套解决方案(图2)，背后需要用工程化的手段落地——工具链。 2.2 一站式AI Agent开发工具链 Agent开发平台是面向智能体生产场景的一站式开发工具，具备智能体编排、流程搭建、知识库管理、大小模型交互、计量、开放、私有化部署等功能，能够有效提升智能体研发效率，降低研发成本。目前国内知名的Agent开发平台包括百度的千帆、阿里的百炼、字节的Coze、Dify以及腾讯的元器等。 2.3 工具链竞品分析 1）字节Coze Coze平台专为零代码或低代码(可视化编排)开发者设计，极大地降低了开发门槛，使得非技术人员也能快速上手。优势：功能强大(图像流、通过触发器实现自动化的任务调度和执行、多渠道发布) 高度可定制支持丰富的主流第三方插件数据源多样但整体的动线繁琐，用好的门槛比较高。 2）腾讯元器网站风格一如既往的“节制”，功能布局清晰易懂，用户无需花费脑力去理解网站的结构、布局和导航。该有的元素都有，后续在生态建设上，期待看到更多的可能，包括且不限于更丰富的大模型可选、插件…… 3）Dify 是做LLM应用开发平台中最早的一批之一，且功能性甚至比国内头部大厂更突出，相比之下，目前它是是Github上Star数最多的大模型应用开发工具(54000星)，是全球LLM Tools增速Top1的开源项目(300万的安装量)。优势： AI生态相对最好：支持40多家厂商的大模型，对接大模型平台、对接开源大模型，全链路免费。上百种插件成功打开海外市场提供云服务和本地部署两种方式，满足了不同用户的需求，同时支持多平台发布应用自动化流程搭建和数据处理方面具有明显的优势，适合需要构建复杂自动化流程或处理大量数据的用户 4）百度千帆AppBuilder 千帆AppBuilder提供全面便捷的应用开发套件与资源环境，包括大模型驱动的开发组件(文字识别、文生图等多模态能力)，内置RAG（检索增强生成）、Agent（智能体）、GBI（智能数据分析）等常用的AI原生应用框架，语音识别、TTS、文生图等AI能力组件，以及各类IAAS云资源。使得开发者能够在一个平台上完成从应用开发到部署的全过程，大大提高了开发效率。优势：千帆大模型平台提供了从模型设计、训练到部署、优化的全流程支持平台42个大模型，预置41个数据集。内置103套Prompt模版及自动化Prompt工程能力预置的安全模块可以有效控制输入和输出的安全风险，为用户提供全面的模型安全、内容安全和数据安全保障自研集群，为企业节约了算力成本和时间成本生态能力强大，预置100+优质官方组件自主规划准确，支持人工编排以高效还原业务SOP 5）阿里百炼优势：开放的模型非常多，除了阿里系之外，支持主流的三方大模型，百川、智谱、零一万物、Meta…… 支持进行多轮对话配置，模型支持将选定的历史对话信息作为输入允许企业开发应用时引入自研插件，与业务场景充分融合 6）竞品分析：核心功能从Agent构建(编排)、节点(及节点管理)、生态、发布渠道、OPS，5个一级维度，70个三级维度，来评估5个头部供应商的功能，可以看出，在过去一年多的时间里，各家的开发工具链都在快速演进和迭代。 2.4 参与方以企业内部自建or私有化部署Agent开发平台角度看，利益相关者有Agent开发平台的建造者(自建)or维护人(外采)。有小白用户，有研发能力的Agent开发者(包括插件的开发、知识库的建设等围绕大模型应用的一系列的元素建设)，还有外部的三方服务商(提供底层基座大模型、Agent开发套件、解决方案、甚至是上手帮企业调Agent)。 2.5 沉淀的AI资产——生态市场在大模型的范畴内，新型的AI资产是企业核心价值力的一种体现。包括各种Agent(Mult-Agent)、Flow工作流、业务的SOP、大&小模型、Prompt、插件、知识库、知识图谱、语料、评测集、评测排行榜(含报告)……。这些资产在具体的业务领域应用中，像变形金刚一样，可以单打独斗，也可以组合变形，以解决文本编辑、图像处理、语音识别、智能助手等形态推进企业的产品创新、服务质量的提升、运营效率的改进、营销效果的高转化。三、Agent开发生命周期上文介绍了Agent开发工具，有了这些利器，接下来的关键点在于如何巧妙的运用它们？构建并完善Agent，以确保业务效率的显著提升，是展现大模型价值的最佳途径。企业内部做Agent一般经过3个步骤：其一，业务提需求，搭建Agent，确保POC符合业务预期其二，正式开发Agent，以及对接业务系统，上线交付其三，持续运营优化Agent，不断提升效果四、行业发展趋势VS企业落地关键点在企业实际搭建Agent的过程中，有三个关键步骤极其重要，必须由企业内部人员主动参与并领导，这是无法通过购买第三方服务来取代的。其一，是让大型模型理解企业内部的数据、信息和知识，为Agent提供高质量、精确的数据资源，以便让大型模型输出符合业务预期的答案是至关重要的。数据到信息，信息到知识，知识到智慧的转化过程，需要从最终使用者的角度反向思考。如何采集、处理和加工数据、信息、知识才能达到预期效果。这需要在六个方面进行思考：准确性、完整性、全面性、粒度（粗糙或详细）、关联性以及访问或使用权限。信息处理的效果对于企业有效利用大型模型至关重要，这需要具备专业知识的人员掌握与大型模型互动的专门技巧，如提示（Prompt）和知识库或记忆技巧。其二，通过使用插件，可以实现Agent与企业现有系统的无缝集成，从而提升系统的智能化程度。这一过程通常由开发团队负责编码（或使用如Cursor等代码生成工具）。在此过程中，需要重视元数据的完整性（AI资产管理），以便实现最大程度的复用性，从而提高企业内部系统对接的效率。其三，在构建Agent之前，我们需要理清业务的标准操作流程(SOP)。在编辑工作流时，开发者需要参照SOP，将大模型、知识库、插件等原始元素进行编排，并通过逻辑节点将流程连贯起来，从而“虚拟重现”业务场景。这三个方面的推进效率和质量，决定了一个企业应用大型模型的效率和效果，也决定了在这场生产力革命中的排位。可以预见，在2025年，大模型应用将给我们带来更多令人惊叹的“哇哦”时刻，让我们拭目以待～受作者领域认知深度所限及技术无时无刻不在更新迭代，业界对LLM、AGI、Agent、GPT……的衍生应用必定是珠零锦粲。无法在一篇中尽现全貌，未来可能会彻底推翻当下的种种尝试而不得知。能为大家带去一点点新的启发，以深感欣慰。文中难免有纰漏或不准确的地方，欢迎大家批评指正。撰写中参考网络上各位同仁的最新观点，拿来主义未打招呼，还望见谅。若有任何建议或意见，欢迎联系作者探讨。作者：shucay、佳琪本文由@shucay 授权发布于人人都是产品经理，未经许可，禁止转载该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。

KhloeKardashian

1月 5, 2025 - 08:01

4062

AI创新加速：揭秘Coze、元器、Dify、千帆、百炼如何推动Agent开发新纪元

今年开始，Agent成为大模型落地的最佳选择，各大厂商都在大力推广。面对这种技术簇，我们应采取一种积极探索与谨慎评估并重的策略——既要保持理性，也要保持乐观。

随着大模型迭代的浪潮一波接一波地推高技术前沿，Agent技术已经成为大模型落地的主流选择，并被视为赋予大模型更广阔能力的最佳路径。从理解复杂的指令，到处理多模态信息，从简单的问答系统到复杂的决策支持系统，从个性化推荐到自动化的业务流程管理，陆续在更多领域展现出其巨大的潜力和价值，它正在为社会带来深刻的变革。

在这场趋之若鹜的群体行动中，面对这项持续发展变化的技术簇，我们应采取一种积极探索与谨慎评估并重的策略——既要保持理性，也要保持乐观，以此来应对不确定性。技术的更新迭代需要时间与耐心，而技术的应用则需了解其限制和准确判断业务场景。

要有效利用大模型，首先，必须明确他们的优势和不足(图1)。接下来，整理业务操作流程即业务SOP，确保对业务场景有深刻理解和准确的认知。其次，对领域知识进行必要的梳理。第四，在搭建Agent的过程中，尽可能的规避LLM的局限(例如，通过多轮对话精准捕捉识别用户意图)。第五，要做好企业内专业资料的处理和必要工具的建设。最后，准备好对Agent进行持续的优化(效果优化)，从而在应用大型模型时发挥其优势，规避弱点。

一、大模型原生能力&局限

大模型擅长语义理解、逻辑推理以及生成和创作内容。然而，它们目前存在一些限制，包括对特定领域的深入理解和时效性不足、有限的记忆能力、在实际情况中的鲁棒性不够，导致错误、潜在的安全风险、推理和规划能力尚待提升、缺少合作意识而无法协同解决复杂问题、以及缺乏视觉和听觉等感官能力，有时生成的信息可能不精确或是虚构的。在构建Agent时，可以通过集成其他技术和能力来补充和改进大模型的这些不足。

另外，一些限制更多地取决于大型模型自身能力的提升。例如，泛化能力和过度拟合现象，这可能导致对含糊不清的信息的理解出现歧义，或者混淆了特定领域的知识。模型处理上下文的能力也受到长度的限制。模型的可解释性和可调试性不足，使其在某些情况下表现得像一个局部的黑箱。由于模型参数众多，推理过程耗时较长。此外，微调模型对高性能的GPU和TPU计算资源的需求也相对较大。

二、Agent

为让大模型更充分的发挥价值，突破当前的局限，主流趋势是通过Agent增强能力(大脑)，为大模型增加眼耳鼻口手脚的能力。

2.1 Agent框架

Agent为大模型提供了执行复杂任务、与环境交互、自主决策和长期记忆等关键能力，使得大模型的应用从单纯的语言处理扩展到更广泛的领域，包括自动化任务执行、客户服务、内容创作等，极大地扩展了AI的实用性和影响力。为了实现这样一套解决方案(图2)，背后需要用工程化的手段落地——工具链。

2.2 一站式AI Agent开发工具链

Agent开发平台是面向智能体生产场景的一站式开发工具，具备智能体编排、流程搭建、知识库管理、大小模型交互、计量、开放、私有化部署等功能，能够有效提升智能体研发效率，降低研发成本。目前国内知名的Agent开发平台包括百度的千帆、阿里的百炼、字节的Coze、Dify以及腾讯的元器等。

2.3 工具链竞品分析

1）字节Coze

Coze平台专为零代码或低代码(可视化编排)开发者设计，极大地降低了开发门槛，使得非技术人员也能快速上手。

优势：

功能强大(图像流、通过触发器实现自动化的任务调度和执行、多渠道发布)
高度可定制
支持丰富的主流第三方插件
数据源多样

但整体的动线繁琐，用好的门槛比较高。

2）腾讯元器

网站风格一如既往的“节制”，功能布局清晰易懂，用户无需花费脑力去理解网站的结构、布局和导航。该有的元素都有，后续在生态建设上，期待看到更多的可能，包括且不限于更丰富的大模型可选、插件……

3）Dify

是做LLM应用开发平台中最早的一批之一，且功能性甚至比国内头部大厂更突出，相比之下，目前它是是Github上Star数最多的大模型应用开发工具(54000星)，是全球LLM Tools增速Top1的开源项目(300万的安装量)。

优势：

AI生态相对最好：支持40多家厂商的大模型，对接大模型平台、对接开源大模型，全链路免费。上百种插件
成功打开海外市场
提供云服务和本地部署两种方式，满足了不同用户的需求，同时支持多平台发布应用
自动化流程搭建和数据处理方面具有明显的优势，适合需要构建复杂自动化流程或处理大量数据的用户

4）百度千帆AppBuilder

千帆AppBuilder提供全面便捷的应用开发套件与资源环境，包括大模型驱动的开发组件(文字识别、文生图等多模态能力)，内置RAG（检索增强生成）、Agent（智能体）、GBI（智能数据分析）等常用的AI原生应用框架，语音识别、TTS、文生图等AI能力组件，以及各类IAAS云资源。使得开发者能够在一个平台上完成从应用开发到部署的全过程，大大提高了开发效率。

优势：

千帆大模型平台提供了从模型设计、训练到部署、优化的全流程支持
平台42个大模型，预置41个数据集。内置103套Prompt模版及自动化Prompt工程能力
预置的安全模块可以有效控制输入和输出的安全风险，为用户提供全面的模型安全、内容安全和数据安全保障
自研集群，为企业节约了算力成本和时间成本
生态能力强大，预置100+优质官方组件
自主规划准确，支持人工编排以高效还原业务SOP

5）阿里百炼

优势：

开放的模型非常多，除了阿里系之外，支持主流的三方大模型，百川、智谱、零一万物、Meta……
支持进行多轮对话配置，模型支持将选定的历史对话信息作为输入
允许企业开发应用时引入自研插件，与业务场景充分融合

6）竞品分析：核心功能

从Agent构建(编排)、节点(及节点管理)、生态、发布渠道、OPS，5个一级维度，70个三级维度，来评估5个头部供应商的功能，可以看出，在过去一年多的时间里，各家的开发工具链都在快速演进和迭代。

2.4 参与方

以企业内部自建or私有化部署Agent开发平台角度看，利益相关者有Agent开发平台的建造者(自建)or维护人(外采)。有小白用户，有研发能力的Agent开发者(包括插件的开发、知识库的建设等围绕大模型应用的一系列的元素建设)，还有外部的三方服务商(提供底层基座大模型、Agent开发套件、解决方案、甚至是上手帮企业调Agent)。

2.5 沉淀的AI资产——生态市场

在大模型的范畴内，新型的AI资产是企业核心价值力的一种体现。包括各种Agent(Mult-Agent)、Flow工作流、业务的SOP、大&小模型、Prompt、插件、知识库、知识图谱、语料、评测集、评测排行榜(含报告)……。这些资产在具体的业务领域应用中，像变形金刚一样，可以单打独斗，也可以组合变形，以解决文本编辑、图像处理、语音识别、智能助手等形态推进企业的产品创新、服务质量的提升、运营效率的改进、营销效果的高转化。

三、Agent开发生命周期

上文介绍了Agent开发工具，有了这些利器，接下来的关键点在于如何巧妙的运用它们？构建并完善Agent，以确保业务效率的显著提升，是展现大模型价值的最佳途径。企业内部做Agent一般经过3个步骤：

其一，业务提需求，搭建Agent，确保POC符合业务预期

其二，正式开发Agent，以及对接业务系统，上线交付

其三，持续运营优化Agent，不断提升效果

四、行业发展趋势VS企业落地关键点

在企业实际搭建Agent的过程中，有三个关键步骤极其重要，必须由企业内部人员主动参与并领导，这是无法通过购买第三方服务来取代的。

其一，是让大型模型理解企业内部的数据、信息和知识，为Agent提供高质量、精确的数据资源，以便让大型模型输出符合业务预期的答案是至关重要的。数据到信息，信息到知识，知识到智慧的转化过程，需要从最终使用者的角度反向思考。如何采集、处理和加工数据、信息、知识才能达到预期效果。这需要在六个方面进行思考：准确性、完整性、全面性、粒度（粗糙或详细）、关联性以及访问或使用权限。信息处理的效果对于企业有效利用大型模型至关重要，这需要具备专业知识的人员掌握与大型模型互动的专门技巧，如提示（Prompt）和知识库或记忆技巧。

其二，通过使用插件，可以实现Agent与企业现有系统的无缝集成，从而提升系统的智能化程度。这一过程通常由开发团队负责编码（或使用如Cursor等代码生成工具）。在此过程中，需要重视元数据的完整性（AI资产管理），以便实现最大程度的复用性，从而提高企业内部系统对接的效率。

其三，在构建Agent之前，我们需要理清业务的标准操作流程(SOP)。在编辑工作流时，开发者需要参照SOP，将大模型、知识库、插件等原始元素进行编排，并通过逻辑节点将流程连贯起来，从而“虚拟重现”业务场景。这三个方面的推进效率和质量，决定了一个企业应用大型模型的效率和效果，也决定了在这场生产力革命中的排位。

可以预见，在2025年，大模型应用将给我们带来更多令人惊叹的“哇哦”时刻，让我们拭目以待～