当前，行动力和记忆力是实现企业级 Agent 的两大基 础。
基于行业 Know-how 的定制 AI 工作流实现 B 端企业个性化应用。基于行 业 Know-how 的定制化 AI 工作流是针对特定行业需求、数据特征和业务流 程设计的人工智能解决方案。它将 AI 技术与传统行业工作流深度结合，通 过行业数据优化、业务规则嵌入和持续迭代，为 AI 大模型赋予行动力，实 现 B 端企业的个性化应用。这种工作流不仅能够准确地完成自动化重复任 务，确保合规性和数据安全，同时其模块化设计和灵活性使其能够适应多场 景需求，优化资源配置、快速响应行业变化。无论是金融、医疗、制造还是 零售等各个行业，定制化 AI 工作流都能显著提升业务价值，成为企业智能 化转型的核心驱动力。 企业可以通过 Coze、Dify 等低代码或无代码平台搭建定制化 AI 工作流。 目前 Coze、Dify 等平台为用户提供了定制化 AI 工作流服务。在具体使用 时，企业根据行业需求选择合适的预构建模块（如数据处理、模型训练、模 型 API 调用等），并通过拖拽式界面将这些模块组合成完整的工作流；在此基础上利用平台提供的工具上传行业或企业自身的数据，对预训练模型 进行微调，以适配特定场景；最后通过 API 或插件将 AI 工作流无缝集成到 现有业务系统中，实现自动化操作，并借助平台的实时监控和迭代功能持续 优化工作流。
百姓车联团队使用 Dify 搭建 AI 工作流解决车辆风险定价的匹配问题。百 姓车联在美国运营某车损互助平台，需要利用车辆 VIN 码对每位用户的车 辆进行风险评估，但由于 VIN 码的非标准性等原因，现有匹配工具无法有 效识别车辆车型。百姓车辆团队在专业知识的基础上，将 AI Agent 无缝引 入现有业务系统中，搭建起定制化AI工作流，以帮助其匹配最合适的车型。 经过多轮调试后，相比于纯粹的规则匹配仅 20%-30%的准确率，该定制化 AI 工作流最终达到了 97.8%的超高水平，实现了业务能力的大幅优化。
BestBlogs.dev 搭建定制化 AI 工作流，自动为用户提供高质量内容服务。 BestBlogs.dev 是一个收集和分享科技、设计、商业、个人成长等高质量领域 内容的网站。之前网站采用大而全的提示词实现文章摘要的生成、内容评分 及翻译工作，但过多的任务使得输出难以控制和修改，效果不尽如人意。为 加以优化，该网站利用 Dify 平台搭建定制化 AI 工作流，将全部流程梳理为 爬取、初评、分析和翻译四大子流程，在每一子流程内利用 Dify 平台上提 供的多种 AI 工具进行更为细致的调整。目前网站已完成灰度测试，全部文 章都采用 AI 工作流进行自动化处理，文章分析质量有了大幅提升，翻译结 果也明显改善。未来 BestBlogs.dev 将继续利用定制化 AI 工作流的方式为用户提供更智能、更个性化的内容服务。
目前企业自主搭建定制化 AI 工作流尚具有挑战性。首先，尽管 Coze、Dify 等平台提供了便捷的工具和 API 接口（如 DeepSeek 等开源大模型），但这 些通用技术并不能直接满足垂直领域的特定需求，这往往需要深度定制应 用或利用其他在垂直领域 Know-how 基础上搭建出的私有应用，才能实现 精准的业务支持。此外，企业需要对自身业务有深刻理解，才能定制出可用 的 AI 工作流。这包括对业务逻辑、数据流程和用户需求的全面掌握，这涉 及到企业内部的跨部门协作和技术人才的充分支持。对于广大 B 端企业来 说，自主搭建定制 AI 工作流存在困难，因此成为制约发挥企业级 Agent 潜 力的重要因素。
私有知识库逐渐成为企业建构的基础设施之一。在 AI 日益渗透企业运营的 时代，作为大模型记忆力的私有知识库的发挥着越来越重要的作用。借此企 业不仅能够将分散的数据资源系统化、结构化，从而使企业私有数据转化为 可复用的知识资产、提升数据利用效率、建构企业技术壁垒，还能通过定制 化的数据训练和优化，突破通用模型的局限性，提升企业应用在特定场景下 的表现，增强决策的科学性和准确性，进一步巩固企业的差异化竞争优势。 向量数据库配合 RAG 是当前搭建私有知识库的理想选择。目前企业利用私 有数据精调模型在技术和成本上不具有优势，更理想的选择是外挂向量数 据库搭配 RAG。相比于其他类型的数据库，利用向量技术所搭建的向量数 据库凭借高效的非结构化数据处理能力、语义搜索支持、与大模型的深度集 成以及强大的可扩展性等显著优势，将在企业本地部署私有知识库的过程 中扮演重要作用。而检索增强生成（Retrieval-Augmented Generation，RAG） 则可以与向量数据库密切配合，在不改变大模型的情况下通过检索大规模 文档集合中的相关信息来优化生成过程，从而显著提高预测的质量和准确 性。例如电商企业可以通过向量数据库结合 RAG 快速匹配用户搜索意图， 提供精准的商品推荐。
在实际使用中，包括向量数据库的建立、检索与调用三大环节。首先通过建 立向量索引，企业将非结构化数据（如文本、图像、音频）通过清洗、提取、 划分、标准化等步骤后转化为高维向量并存储到向量数据库中。当用户提出 特定需求后，进行在线相似度增强，即利用向量数据库的近似最近邻算法实 现高效的语义搜索和相似性检索。通过 API 或集成工具将向量数据库与企 业现有业务系统及大模型连接，从而支持实时向量数据库的实时调用和查 询，以提升 AI 应用的准确性和效率。
西门子依托亚马逊云科技建构企业级智能私有知识库，助力数智化转型。 西门子中国大禹团队经过调研发现，长期以来企业内部资源的检索和调用 都存在结构散乱、检索速度慢、交互不便等问题。但传统方式部署知识库难 以有效解决信息涉及不同领域、横跨多个业务单元的难题。通过与亚马逊云 科技合作，西门子部署了“RAG 架构+向量数据库”的解决方案，将企业海 量的私有数据转变为服务企业智能运营的私有知识库。并在此基础上量身打造了智能聊天机器人“小禹”。在上线的首周，“小禹”便有超过 4000 位内部用户使用，占当时西门子员工的八分之一，共解答了超过 12000 个 问题。相较于传统机器人，依托私有知识库的“小禹”回答生成速度更快、 对搜索关键词的命中率更高，为企业用户提供了智能高效的使用体验。
吉大一院部署本地医疗知识库，提升临床决策的效率和准确性。尽管医院 积累了大量的诊疗数据，但由于缺乏合适的手段，这些数据无法帮助医生有 效提升诊疗水平。吉大一院技术团队在本地部署 DeepSeek-R1 的同时，利 用 RAG 技术成果构建了覆盖诊疗规范、药物数据库和病例库等信息的本地 医疗知识库。当接收到患者的症状和病史信息后，系统将迅速从多源数据中 精准匹配相关信息，医生可以借助这些结构化的资料为病人制定更为科学 的治疗方案。不仅如此，医生最新的治疗方案也将被重新纳入数据库中，实 现数据库的自我更新。
受限于数据和技术问题，目前企业自主搭建私有知识库同样面临挑战。一 方面，私有知识库的性能和效果高度依赖于输入数据的质量，但是企业数据 通常分散在不同系统且质量参差不齐，需要进行大量的清洗、标注等处理工 作，以确保入库后的数据能够准确反映业务需求，但目前多数企业缺少相关 经验和工具；另一方面，私有知识库的搭建和优化涉及高维数据处理、近似 最近邻算法调优以及分布式系统管理等多项较为复杂的信息技术，门槛较 高，企业往往缺乏相关专业人才和经验，导致部署和运维难度加大。这些挑 战共同制约着企业应用私有知识库，为 AI 大模型赋予记忆力在当前阶段往 往需要外部服务商加以配合。
