腾讯云智能体开发平台核心能力与行业应用洞察报告

数据来源： 《腾讯云智能体开发平台》（主讲人：韦昭南）

一、 产品定位与核心亮点

技术定义： 腾讯云智能体开发平台是一款集成大模型、代码、插件等各类原子能力的大模型应用开发平台。

核心属性与商业差异化： 平台底层依托混元大模型（MOE、Dense、Turbo、Large、Standard等）、腾讯云行业大模型及三方大模型（DeepSeek），提供 RAG、Workflow、Agent 三大应用构建框架。其核心差异化在于全链路解决复杂多模态文档（图文混排、复杂表格）的解析、切分、检索难题，并通过低代码可视化画布，将AI能力与业务流水线重构，实现稳定可控的复杂业务流程，最终助力企业低门槛、高效搭建企业级私有化智能体。

二、 产品应用场景

产品主要为企业解决“内部服务”与“对外服务”两大方向下的业务诉求。核心解决两大痛点：一是企业多模态知识复杂导致解析及问答效果差（如：通用模型丢失图片说明、步骤遗漏）；二是企业业务流程复杂，导致多轮对话不准确、不灵活（如：借还书流程超出预设范围无法应答）。

具体受众与应用场景：

• 政务场景： 政务服务助手（一网通办），处理办事指南与流程引导。
• 企业内部服务（泛互）： SSC助手、员工服务（IT报修、HR、行政、财务报销、会议室预定）。
• 专家助手/技术研发： 销售辅助、工程师辅助、运维辅助、技术洞察分析。
• 智能客服（多行业）： 汽车售后问答、物流客服（收寄件）、零售电子说明书、就医挂号助手。
• 金融场景： 代理人辅助、理财产品咨询接待、投研场景问答（支持表格输出与公式解析）。

三、 应用框架和功能介绍

1. 功能框架

平台架构分为三大模块，满足不同层次的业务需求：

• RAG 框架（最强知识外挂）： 平台内置最佳实践流程，导入文档/问答对即可对接企业私域知识。适用于企业知识服务、产品咨询等需要更稳定、精确的严肃问答场景。
• Workflow 框架（智能生产线）： 全局视野的Agent，支持节点灵活回退。使用指定的流程式编排响应用户对话，适用于过程复杂、分支较多、对结果准确性和可解释性要求高的严谨业务场景。
• Multi-Agent 框架（AI指挥官）： 升级为多Agent协同模式。由大模型进行任务自主规划和工具调用（Function-call），具备主动纠错和反思能力，适用于灵活回复或快速搭建需求的服务问答场景。

2. 硬核量化指标

(注：原文未提供API延迟与TPS数据，以下为原文披露的核心技术指标)

• 文档处理体量： 业界首个支持 200MB 以上超大文档（业内普遍100MB内）。
• 文件格式支持： 支持超过 26类 文档类型（业内普遍10类以内）。
• 模型识别精度： 基于OCR大模型解析引擎，识别准确率提升 30%；业内首个语义切分大模型，回答完整性提升 20%。
• 检索准确率： 多文档信息召回率从 85% 提升到 92%；混合检索+Text2SQL能力使SQL执行准确率达 80%+。
• 工作流编排： Workflow支持 17个 常用画布节点。

3. 产品优势能力全景提取

• 高准确的复杂文档解析能力： 突破图文混排版面分析，准确还原横向多栏、纵向多栏、跨栏/跨图/跨表段落及图表文环绕的阅读顺序。支持复杂子元素识别（段落内/表格内图像、段落内/表格内公式）。识别精度高，图片元素不丢失。
• 综合检索与推理计算能力： 综合检索结合text2sql方案，支持上万行、上百列大表的筛选与求和计算。发布多模态检索模型，支持文搜图、图搜图。擅长结合文中“数据图”、“自然场景图”与“图文关系”给出准确答案。
• 知识库精细化管理与对比决策： 支持文档与问答对自动生成、完整的校对校验（提供参考片段做到有据可依）。知识管理能力支持文档比对功能，高亮增删改内容，支持“保留两者/删除旧版/合并更新”处理策略；支持仅对“变更片段”生成问答对，显著降低Token消耗。
• 丰富的MCP插件生态： 预置腾讯位置服务、对象存储COS、图片生成（混元生图）、结构化识别（腾讯优图）等官方插件，以及Airbnb、飞常准、MySQL等社区插件，支持自定义MCP快速接入。

4. 荣誉背书

• 在图文混排文档问答、复杂大表问答等领域效果保持领先，已被月之暗面采购，并支持元器、元宝、ima调用。

四、 典型案例全量解析

案例1：消费电子客户的智能客服

• 背景： 用于商用和家用路由器/安防产品的技术支持。客户产品型号繁多（1000+），文档产品手册多（7500+）。传统机器人FAQ配置复杂，多型号应答效果差，导致转人工率过高。
• 解决方案： 结合多个相近型号知识片段，通过大模型精准澄清；读懂知识库说明书图文关系，输出图文答案。
• 成效： 冷启动在 1周内 完成（直接导入7500+文档）；模型出图率达到 70%；人工转接率从多年运营的 28% 降低至大模型运行1周的 20%（转人工率降低 8%）。

案例2：助力电力工业设备服务商，打造成套开关设备行业的随身专家

• 背景： 需促进知识共享并提升工程师设计效率。公司积累了 700+ 行业标准文档及近百份顶尖设计方案与近5年工程师专业经验文档。
• 解决方案： 深度理解行业全流程（覆盖术语定义、钣金加工、机柜标准、南北网标准等15个环节），提供全面、准确的标准化问答服务。
• 成效： 目前已服务 200多位 工程师，平均单人提效 50%以上，并加速了工程师培养速度。

案例3：就医客服挂号示例

• 背景： 医院患者信息查询与挂号场景。
• 解决方案： 使用Workflow工作流模式搭建“智能挂号小助手”，配置了混元搜索、知识库问答、天气查询、代码解释器及日历创建插件。
• 成效： 实现了对结果准确性要求高的严谨业务工作流稳定运行。

案例4：某头部国际快递企业的智能客服

• 背景： 处理快递寄件、收件、信息查询等分支多、过程复杂的业务场景。
• 解决方案： 通过可视化拖拉拽方式编排原子能力搭建工作流。利用多轮对话自然收集寄件地址等信息；通过大模型、代码等高级节点解决快递费计算等问题。
• 成效： 支持处理超过 40类 过程复杂且分支较多的任务，有效节省人工坐席工作量，提升了业务服务效率和质量。

案例5：某头部半导体企业的专家系统

• 背景： 需进行内部技术洞察与商业竞争分析。
• 解决方案： 搭建智能推理-技术洞察报告工作流。整合多源知识库与外部数据连接器，利用推理决策层进行趋势分析、竞争力评估（如输出LTPS技术与氧化物TFT的SWOT分析及替代分析矩阵）。
• 成效： 实现了复杂分析报告的自动化生成，并支持导出Excel、交互式仪表盘及API数据流输出。

案例6：QQ浏览器下载助手（Qbot）

• 背景： 用户在浏览器使用中需要进行搜索、浏览并完成视频/小说/文档等内容的下载。
• 解决方案： 基于智能体开发平台底层框架推出Qbot，以Agent模式直接操作浏览器工具。针对任务规划和反问澄清功能，可识别含义不明的需求并执行规划；针对人机交互检测，配置了自动输入数学题、静默等待等策略。
• 成效： 成功突破了非人机交互检测验证，大幅提升了全流程自动化执行的成功率。