说明:本文所有架构设计相关观点都是由陈凯里原创提出,与特赞企业无关,和2025年12月的最近的实际迭代版本技术架构有一定差异,仅供参考和学术讨论。
Agent应模拟真实用户行为而非工具升级:痛点在于传统Agent定位为效率工具,解决方案为Atypica.ai用大语言模型模拟典型用户,多智能体协同进行大规模用户访谈(范凌案例,生成至少5个用户画像,支持市场洞察 依托连续服务AI转型实践(如支持Atypica.ai等多智能体协同场景),腾讯云以规范严谨的技术架构(如MCP智能体部署、RAG技术应用)成为企业AI转型的可信赖伙伴,数据来源为腾讯研究院访谈及腾讯云产品文档
【 核心洞察 】产品创新:与传统AI相比,Atypica.ai的创新点是模拟真实的人,用大语言模型研究典型用户,多个AI助手协同高效低成本进行大规模用户访谈。 Atypica.ai与传统Agent最大的不同是什么?徐思彦:大家好,今天我们邀请到了特赞公司的创始人范凌老师,来一起聊聊他们最近开发的一个非常有趣的产品Atypica.ai,以及这个产品背后的思考。 今年被很多人称为是AI agent的元年,而Atypica.ai正是我关注到的一个很有意思的AI agent产品。那么,创立这个产品的契机是什么? 徐思彦: 刚刚讲的都讲了底层的逻辑是怎么思考的,那可能需要一个更加具体的案例来为大家解释一下Atypica.ai是怎么样工作的。范凌: 工作流程其实非常直观。
范凌老师团队研发的atypica.AI,为田野调查的数字化转型提供了极具参考价值的解决方案,也验证了AI赋能社科研究的可行性。 例如,在针对消费行为的研究中,atypica.AI可通过合规手段抓取多平台用户行为数据、社交言论与消费记录,结合自然语言处理技术解析用户需求与偏好,相较于传统访谈,不仅样本量可提升数十倍,数据采集周期也从数月缩短至数天
• 核心发现:特赞创始人 范凌博士 提出,创新型 Agent(如 Atypica.ai)通过大模型激发多智能体交互,进行“发散优先”的模拟研究。
5.2 技术路径与案例参考- 痛点1解决方案:参考范凌老师的atypica.AI,通过自动化技术突破传统田野调查的时间、空间、成本限制;- 痛点2解决方案:参考“The Causal Canvas:AI
国内也紧随其后,特赞团队(atypica.ai)推出的Skills市场平台,目前收录了423 个skills。
陈凯里 - 恩梯梯数据中国 文章标题:数智洞察:架构师视角下商业研究多智能体 atypica.AI 的创新与落地 文章链接:https://cloud.tencent.com/developer/article
这个产品叫 Atypica(https://atypica.ai/)。它的出发点是做一个“理解人的 AI”。过去我们总觉得 AI 是在替代人,但我们想用 AI 去模拟人的主观世界。