腾讯云智能体开发平台ADP
首页
大模型前景充满想象，1企业服务场景大模型应用落地仍存在不少挑战在面对高度复杂且个性化的业务需求时，一个通用的生成工具并不足够，还要考虑实施和最终实际业务落地的路径。
大模型落地难点与腾讯云智能体开发平台产品价值降低大模型应用地门槛，助力企业高效打造效果佳、有价值的大模型应用
腾讯云智能体开发平台产品定位：大模型应用开发平台大模型的应用开发平台，提供RAG、Workflow、Agent框架，助力企业加速大模型应用落地
腾讯云智能体开发平台：三大应用框架，满足客户多样需求
RAG业务难点与产品能力RAG相关概念
2、解析切分：在解析阶段对文档进行版面分析、元素提取。在切分阶段将长文本分割为短文本块（chunks）。
3、知识召回：将用户问题转化为向量，与向量库中文档片段进行相似度匹配。
4、阅读理解与生成：大模型根据结合检索内容总结生成答案。
落地难点1：企业知识格式多样、图文并茂把企业五花八门的知识库喂给大模型，没那么简单
落地难点1：传统0CR技术识别精度低、元素易丢失
亮点能力1：全链路解决企业多模态知识处理难题，提升大模型知识问答体验全链路解决复杂文档解析、切分、检索、推理、生成
覆盖复杂版面分析元素子图识别,准确还原阅读顺序,识别准确率提升30%
首个基于语义判断的知识切分模型比传统正则切分方式,回答完整性提升20%
综合检索+text2sql方案，支持上万行、上百列大表筛选求和计算多模态检索模型发布，支持文搜图、图搜图
亮点能力1：基于OCR大模型，提升图文并茂文档的解析准确度TLS证书为您的业务提供了一种具有吸引力的收入来源。有几个行业因素使加密成为浏览器信任网站的要求。因此，现在我们的互联网要求每个网站都必须具有TLS证书。
落地难点2：结构化表格数据庞大，检索困难结构化的知识散落在企业的各种数据源中，结构化表格往往篇幅长（上百列、上万行....）
完整的表格文本长度往往大于32K，一次性给大语言模型处理效果不佳。
亮点能力2：Text25QL，支持上万行/上百列的大表问答上线基于大语言模型的embedding模型，支持8K长切片检索，多文档信息召回率从85%提升到92%;提供Text2SQL能力，支持处理标准大表格单表检索及跨表检索，SQL执行准确率超过80%
综合使用摘要检索、关键词检索、向量检索，提升不规则大表格的问答准确率关键词检索：
精确匹配（如产品名称、姓名、产品编号）
少量字符的匹配（很多用户恰恰习惯只输入几个关键词）
倾向低频词汇的匹配（低频词汇往往承载了语言中的重要意义）
落地难点3：用户对话信息多模态，包含图文交错复杂信息输入
者图文混排段落里面，图文关系理解困难;
图片类型多样，无文字注释的自然场景图片，仅靠单模态的LLM无法理解
这些任务通常只涉及与问题强相关的有限图片，即：用户输入图片，模型回复能直接
亮点能力： 读懂理解文中“图文关系”，提升问答准确率及答案出图率
落地难点4：严肃场景，对模型判断模糊知识、无关知识的能力要求高
亮点能力4：支持无关知识拒答、模糊问题主动澄清，提升问答精确性
亮点能力5：知识管理能力领先，问答对自动生成与完整的校对与管理文档问答自动生成、校对、管理全流程可控，显著降低运营人力投入的时间成本
亮点能力5：知识管理能力领先，支持文档比对与比对后决策
Workflow业务难点与产品能力Workflow相关概念定义：集成大模型、代码、插件等各类原子能力的结构化框架，通过低代码可视化画布，编排各类AI能力，实现复杂业务流程
同程开发票场景
114案件办理场景
医院患者信息查询场景
落地难点1：复杂业务场景，涉及流程分支和业务接口多，仅依赖模型自主规划准确率不高实际业务场景往往由多种条件分支组成。典型场景如“快递费用查询”，包含了收发地确认、寄送物品确认、费用计算,优惠活动等一系列复杂流程。
痛点：
1、涉及业务接口多、模型调试困难。
2、大量问法话术、追问等机械的流程，对话体验较差。
亮点能力1： 面对复杂业务流程，工作流提供全新解决方案通过可视化拖拉拽的方式编排不同的原子能力（如大模型、知识库、插件等），零代码构建业务流程
通过可视化拖拉拽的方式编排不同的原子能力，零代码/低代码构建业务流程
其中参数提取节点，支持多参数同时提取、基于对话历史进行多轮反问澄清等优势能力，对话效果更优势。
大模型相关的节点均接入DeepSeek R1和V3模型，可支持自由选择和切换
亮点能力1： 面对复杂业务流程，工作流提供全新解决方案则自动反问澄清，引导用户提供必填信息
节点调试：代码节点提供了运行环境及IDE,支持用户在线编辑运行
快捷反馈：为用户提供了一键问题反馈功能
落地难点2：对话与流程的耦合，工作流节点难以灵活跳转
落地难点2： 对话与流程的耦合，工作流节点难以灵活跳转典型场景举例：问题1：已运行过的节点无法回退；场景:挂号场景中，更改过往已提取到的挂号科室。
期望的表现：“科室”参数值改为“新生儿科”，并使用“新生儿科”运行后续的工作流节点
期望的表现：退出退订酒店工作流，并给出回复:“如果您有其他需求,请继续提问
落地难点2：对话与流程的耦合，工作流节点难以灵活跳转业界友商的工作流效果
收集当前节点的信息。
用户期望的效果：回退到前序节点，更改已收集到的信息
用户期望的效果：保持在当前节点并询问用户，获取信息
亮点能力2： 解决业务中灵活的多轮对话难题，工作流提供智能方案工作流内置具有全局视野的Agent，负责接管对话、控制节点跳转、识别全局意图
节点跳转控制：Agent根据用户对话内容智能跳转到对应节点
全局意图识别：全局识别“不继续执行工作流”等退出意图及“好的”、“没问题”等寒暄意图，并智能回复用户
亮点能力3：PDL流程代码描述语言灵活响应超范围问题Agentic WorkFlow: 把工作流画布转换成流程描述语言（PDL），通过Agent理解全局流程，保证对话准确率基础上，以更加灵活的方式应对超出范围的问题
Multi-Agent相关概念与产品能力Agent相关概念狭义Agent概念:由大模型自主拆解任务和规划路径，模型主动选择和调用工具，并能够主动纠错和反思，回复效果更灵活
Multi-Agent相关概念多Agent协同Agent间的协同关系以handoffs和agent as tools为主，前者会转交对话控制权
亮点能力1：支持零代码创建Multi-Agent全面兼容OpenAl Agents SDK产品定义，支持零代码创建Multi-Agent,_
亮点能力2：丰富的精选MCP插件、并支持自定义MCP插件腾讯特色插件：腾讯位置服务；腾讯云LightHouse；对象存储COS；搜狗搜索；图片生成（@混元生）；
文档转换（@Q览图）；结构化识别（@销讯优图）；语音识别（@实验室）
社区精选插件：Airbnb；飞常准；ChatPPT；MYSQL；Fetch
亮点能力3： 知识库检索Agent，通过Multi-Hop支持复杂问题回复
面向企业用户的智能体应用管理B端实战打磨：平台级、应用级、知识库级别多层权限体系配置支持平台级、应用级、知识库级的多层权限体系配置，不管是按组织架构、岗位角色，还是黑白名单控制，都可以灵活支持。覆盖如腾讯学堂十几万知识规模、复杂权限维度的典型场景
B端实战打磨：意图达成优先级配置在实际业务中，不同场景对意图响应的优先级存在差异。平台支持灵活配置意图优先级，可根据业务需求设定最合适的响应路径
B端实战打磨：提供完备的管理后台系统，支持企业级用量管理和日志管理提供智能体全生命周期的后台管理系统，支持运营监控、配置管理、日志分析、策略配置等。方便支持精细化运维，并支持私有化部署
产品应用及案例落地案例：消费电子客户的智能客服用于商用和家用路由器/安防产品的技术支持，解答用户关于产品故障排查、产品配置、功能咨询等方面的问题
落地案例：为某头部医疗公司打造医生提效助手
辅助提效：智能筛选核心指标输出病历文书，显著提效
产品推荐
