案例 16 · 电信网络分析
Datawhale原书章节 · 印刷页码 157—164 · 当前仅加载一页

原书第 160 页 · 点击页面可放大查看
查看与复制本页文字
文字由原PDF提取,阅读顺序和表格请以原页为准。
Q3:后来你使用AI解决这个问题的整体思路和关键步骤是什么? 我做这个项目时,先做的第一件事是搞清楚三个问题:客户到底要什么输入?最后需要 什么输出?中间到底发生了什么? 因为如果这三个东西没有搞清楚,Agent写得再漂亮也没有意义。 第一步,重新梳理原来的分析流程。 我们把原来的数据分析过程拆成比较细的不同组件,再重新考虑每一个环节应该使用什 么方法、什么结构,最后再把这些组件重新组合起来,让整个Agent的输出尽可能达到 客户要求的结构和质量。 第二步,把Agent定位成一个可以反复运行的业务系统。 我们没有把它做成一个“会聊天的分析师”,而是把它当作一套业务系统来设计。 比如说,客户问一个网络问题,系统需要能够理解问题,然后处理对应的网络数据,再 进行分析,最后给出结构化结果。 这中间每一步都需要考虑:数据是不是对的?分析过程是不是可靠?输出格式是不是符 合要求?如果同一个问题重复执行,结果是不是稳定? 所以我们最终交付的,从客户角度看可以理解成“一个Agent”;但从我们的角度,它实 际上是一个可以被反复使用的Agent系统。 第三步,考虑如何让它可扩展。 客户往往有几十甚至上百个分析师。如果每个人都单独装一个Agent、单独维护一套东 西,这个方案很快就会失控。 所以我们还需要考虑如何把Agent放到云端,让它能够被统一控制、监督和使用,同时 让不同用户共同产生的数据和经验能够反过来提升系统,包括记忆、语义层等能力。 160/243