案例 16 · 电信网络分析

文字由原PDF提取，阅读顺序和表格请以原页为准。

这也是为什么我会认为，Agent好不好做不是关键。真正难的是，你能不能把它做成一
个业务真正敢用、愿意持续用的东西。
Q2：在你参与之前，这个问题过去是怎么解决的？
平心而论，过去这套人工分析的办法是走得通的，也不能简单说传统方法“不好”。
最核心的方式就是人工分析。分析师拿到数据以后，自己写SQL、跑模型、出报告。对
于相对固定的问题，这种方式其实很有效，而且分析师能够结合自己的业务经验判断结
果。
后来客户也尝试过一些自动化方式。比如，他们尝试通过仪表盘自动生成报告，希望减
少人工工作；也尝试过直接用一些Agent框架去解决问题。甚至在我们介入之前，他们
自己已经搭过一个Agent。
但问题很快就暴露出来了。“能跑起来”和“可以生产使用”，是完全两回事。
客户自己做的Agent，可能就是给模型一个提示词：“你现在是一个数据分析师，我给
你这些数据，请帮我分析。”
看起来非常合理，但真正跑起来以后，结果往往并不令人满意。即使底层用的是很好的
模型，也不能保证最终输出符合业务要求。
更麻烦的是，有些方案把问题归结成“大模型本来就是不确定性的，所以答案不一样很
正常”。
我并不认同这种说法。如果我是一个企业老板，我问一个Agent两遍“我们公司哪个班
的成绩最好”，我希望它在数据没有变化的情况下告诉我同一个人。模型本身具有随机
性，不代表我们做出来的业务系统就必须是不稳定的。
所以我们真正需要解决的，是怎么设计一个系统，让模型能够在业务流程里被可靠地使
用。
159/243