智能体时代的传媒业务架构探讨

演进：从回答到执行

• 人工智能即将迈入新阶段，从“移动原生”到“Agent原生”。
• 科斯《企业的本质》指出，企业存在的目的是为了节约市场交易的成本，AI将影响企业的规模、边界和结构。
• “Agent原生企业”是整个组织都构建在与AI的协同之上，人与Agent协作成本非常低的企业。
• 大量开源平台和开源模型让产生“我也能”的错觉，但企业级应用与消费级、科研级有本质差异，需满足高可靠性、安全性、扩展性、易用性、系统集成、支持与维护、治理与控制等要求。
• 智能体必须深度嵌入业务工作的全流程，并与现有复杂的IT生态系统集成。

腾讯云智能体开发平台

• 腾讯云ADP智能体引擎提供全局视野Agent、智能回退&路由修正、强大的多Agent协同能力、长/短期+执行过程记忆机制、更强的文本/表格/图片理解能力、严肃性问答支持、完善的权限、审计、监控能力、专门优化的内置模型、企业级双层精细化权限管理、高效、客观、全方面的智能自动化评测能力、官方精选的高质量插件库（140+个，持续增长中）、官方精选的提示词模板和应用模板等优势。
• 腾讯云ADP智能体引擎提供三种应用模式：
  • 标准模式：“最强知识外挂”，导入文档/问答对，即可达到更稳定和精确的知识问答效果，适用于知识服务、产品咨询等严肃问答场景。
  • 工作流模式：支持用户快速编排复杂应用，面向复杂业务流程场景，升级复杂应用构建能力，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。
  • Agent模式：自主规划和工具调用，已升级支持MCP协议，精选海量工具（文档转换、机器翻译、位置服务等）。
• 腾讯云ADP具备强大的RAG能力，支持复杂文档解析、切分、检索、推理、生成，准确率保持领先，支持200MB以上超大文档，超过26类文档类型，支持图文混排版面分析、图文表/公式/页眉等元素识别。
• 腾讯云ADP充分考虑文、图两种模态的检索优化、能力打磨，提供图文并茂的产品操作说明。
• 腾讯云ADP“工作流”模式支持用户快速编排复杂应用，复杂流程的执行准确率和对话完成率效果领先。
• 腾讯云ADP“Agent模式”支持自主规划和工具调用，提供海量工具支持。
• 媒体AI助手SuperX提供找素材、热点追踪、选题、策划、播客智能应用等功能。
• 案例：“十五运”热点追踪、选题、策划、播客智能应用，“十五运”赛事直播人物拆条与多模态内容检索解决方案。

智能体时代统一数据治理

• 当前数据能力的痛点：数据资产与知识能力的割裂，非结构数据与结构数据的割裂。
• 媒体数据分析的痛点：企业内结构化数据与非结构化数据缺乏统一处理框架，跨模态数据内容难以交叉挖掘，导致洞察片面化；显性的内容数据沉睡在分散媒资、内容库中，隐性的知识则散落在文档报告、会议纪要甚至员工头脑中；结构化数据处理依赖固定规则，无法灵活理解不同行业的业务逻辑，需针对特定业务场景定制数据开发逻辑或模型，成本高、周期长；数据中台的BI工具能处理数据库中的规整数据，却无法连接内容运营、用户增长的策略逻辑。
• 腾讯云数据分析智能体为企业提供一个全托管的智能体服务，用于整合、检索和分析结构化&非结构化数据，帮助用户更直观的理解数据，并提取有价值的洞察，从而支持更快、更准确的决策。
• 数据分析智能体打通结构化与非结构化数据，协调结构化和非结构化数据源，提供全面洞察，打破数据孤岛，适用于智能分析、智能检索、数据科学等场景。
• 智能问数支持智能选表&智能多表关联，覆盖各类数据查询、计算、分析场景，包括计算类场景（同比/环比/占比/增长率等）、排名类场景（产品/金额/机构排名等）、基础指标查询（按产品/地区/机构/渠道，按时间/周期）。
• 数据分析智能体场景——智能搜索，关键能力包括自动数据链路、Document AI、知识库集成、联网搜索，应用场景包括行业研报解读、咨询报告智能检索、企业知识管理等。
• 传媒场景举例：相关节目片段，支持交互式对话和相关推荐，产品关键能力包括TCDataAgent内置高性能内容理解、场景语义理解、多模型协同。
• 基于大模型构筑动态知识库和专业语料库，应用大模型，解决动态的知识/数据来源和治理问题，稳定可靠的语料采集和持续标准的知识沉淀，为私有模型构建及业务智能带来坚实的基础。