智析异动·洞见先机——腾讯云智能体开发平台如何赋能市场异动分析？

产品价值与产品定位 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 落地难点1、企业多模态知识复杂，解析及问答效果差 复杂业务流程样例 通用模型回复 步骤不完整：原文档中的步骤三遗漏丢失 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。 RAG框架：效果保持领先，解析检索工具沉淀丰富 l知识问答部分领域效果领先：在图文混排文档问答、复杂大表问答等领域有一定优势。擅长图文表解析及公式解析，已被月之暗面采购，并支持元器、元宝、ima调用。 WorkFlow框架：工作流复杂应用构建能力 lWorkFlow，支持17个常用画布节点，支持客户通过拖拽大模型节点、参数提取节点、知识问答节点等常用原子能力编排业务流程。全局视野的Agent，支持节点灵活回退。 Multi-Agent框架：支持多Agent智能转交协同 l升级Multi-Agent模式，支持多Agent协同，插件中心提供丰富的官方/MCP调用。垂直领域Agent沉淀，支持工作流Agent/知识库检索Agent等。 使用腾讯云智能体开发平台搭建的企微经营助手demo 2 业务难点与产品能力 RAG业务难点与产品能力 从知识库中检索相关数据，再由大模型基于检索结果生成更准确、可靠的输出 定义 1.知识导入：支持多类型文档导入（doc./pdf./txt./md./ppt.等）、问答对导入。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。 关键环节 把企业五花八门的知识库喂给大模型，没那么简单！ 文档解析业内能力全面，准确率相比传统解析提升30%。 基于OCR大模型，突破复杂版面分析、元素识别等技术瓶颈 业界首个支持200MB以上超大文档vs.业内普遍100MB内丰富的文档类型，超过26类vs.业内普遍10类以内支持图文混排（多列排版）版面分析、图文表/公式/页眉等元素识别 1.基于上下文语境，结合检索结果综合判断意图，模糊意图进一步主动澄清 3.当知识检索结果不足以回答用户问题时，模型不做错误回答 2.面向业务诉求，可支持轻松自定义意图，简单样例即可实现准确理解 买了300元的药品，按照报销比例，我自己要实际支付多少钱 提供PPA D00000001产品的wh(瓦时） 根据检索片段判断不足以回答用户问题，给出拒答回复： 知识库有内容：“甲类药品全报，乙类药品按比例”“退休人员65%，在职人员60%” 作为一名专注于XX品牌的销售顾问，关于其他品牌的车辆信息，我这边就不做具体评论了，如果您对本品牌任何车型感兴趣，欢迎随时向我提问，我会竭诚为您服务... 请问你是退休人员还是在职人员呢？购买的是甲类还是乙类药品呢？ 抱歉，根据已知信息，没有直接提供PPAD00000001产品的wh(瓦时）数据。 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。 2查看生成问答对 1选择文档 3问答对校验 提供文档间比对功能，辅助高效决策：高亮增删改的内容，配套“保留两者/删除旧版/合并更新”等处理方案一键执行，支持仅对「变更片段」生成问答对，显著降低token消耗。 查看文档对比 比对决策 2.2 Workflow相关概念与产品能力 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 设计目标 •将AI能力与业务流程相结合：为用户提供各类大模型节点，重构业务流水线。•流程化运行：保障稳定可控的业务流程执行，节点功能划分清晰、可解释性强。 使用场景 适用于对结果准确性要求高、可解释性强的严谨业务场景，例如： -同程开发票场景-114案件办理场景-医院患者信息查询场景 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 工作流提供17个节点，支持编排复杂应用，工作流端到端准确率和对话体验效果领先。 Ø对话接管：所有与工作流相关对话都会经过Agent统一处理 Ø节点跳转控制：Agent根据用户对话内容智能跳转到对应节点 Ø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 2.3 Multi-Agent相关概念与产品能力 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。 请问您想将粽子寄到哪个具体的国家呢？ 您要寄的粽子中是否含有肉、蛋、奶等成分？这些成分是不能寄送的。 豆沙粽子是可以寄到新西兰的，需要现在帮您确认运费吗？ 粽子大概3、4斤，寄送过去要多少钱？ 语音客服：“如果按照4斤左右来算，空运价格总共是321.2元。如果选择海运专线会便宜很多，大该是120元。 MCP兼容&插件生态，预置丰富的腾讯内外部插件，开箱即用，同时支持自定义插件快速接入。 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（@混元生图）文档转换（@QQ浏览器）结构化识别（@腾讯优图）语音识别（@智聆实验室）…… 社区精选插件 Airbnb飞常准ChatPPTMYSQLFetch…… QQ浏览器智能体Qbot，推出了智能体Qbot，基于智能体开发平台底层框架，支持直接操作浏览器工具，进行搜索、浏览、查找，完成视频/小说/文档等内容下载。 03 产品功能展示、B级实战打磨 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。 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。 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。 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。 多个候选意图选择 意图达成优先级配置 如果存在多个易混淆意图，模型同时给出多个意图候选，引导用户选择 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。 落地场景及案例介绍 ， ••• ••• Thanks! 大模型股票异动分析场景 一、业务场景需求和痛点二、业务场景实现思路三、客户案例和实现过程 一、业务场景需求和痛点 业务场景需求和痛点 在APP/PC端股票投资软件中，当某只股票/板块大幅涨跌异动时，C端用户无法快速有效获取到股票/板块大幅波动原因。客户希望在股票投资软件中，通过大模型AI技术分析，获取到指定股票/板块大幅涨跌异动的变化原因，进行全方位多维度的分析，便于C端用户知晓股价波动原因。 业务场景需求和痛点 大模型可能的辅助应用（需注意风险） 投资者的核心痛点与需求 当市场出现大幅波动时，投资者的困扰通常很具体，主要集中在信息、决策、风控和情绪四个方面。 信息整合与摘要 策略回溯与生成 信息处理 决策支持 通过联网搜索，快速获取并概括多家权威媒体和机构对当前市场的分析观点，帮你梳理逻辑 根据本地知识库中的投资经典，结合当前市场数据，生成模块化的应对方案，如“跌破关键均线止损”等 难以快速从海量信息（如新闻、财报、研报）中提取关键点，判断波动原因 困惑于是该“抄底”、“止损”还是“观望”，难以制定理性的交易计划 风险警示 风险管理 情绪管理 客观决策辅助 分析个股资金流向和散户跟风系数，对主力资金持续流出、散户持仓过高的标的发出“接盘风险预警” 提供不受情绪干扰的、基于数据和算法的分析，作为决策的理性参照物，帮助投资者对抗情绪化交易 在市场恐慌或贪婪中，容易产生“追涨杀跌”的冲动交易 重仓股突然下跌，导致巨大心理压力，不知如何设置合理的止损点 二、业务场景实现思路 业务场景实现思路 场景功能介绍 通过腾讯云智能体开发平台（TCADP，以下简称ADP）创建大模型股票异动分析智能体应用，结合客户内部系统对个股/行业板块异动进行实时监控，然后利用ADP的Multi-Agent模式+混元AI搜索插件+知识库问答插件，综合分析后给出上涨/下跌原因，C端用户可快速获取个股/行业板块大幅波动原因。 业务场景实现思路 整体思路 1.监控波动：客户内部后端服务模块对个股/行业板块异动进行实时监控（客户自定义算法进行判断，比如按成交量/涨跌幅在某个时间段内大幅上涨/下跌）；2.调用智能体：客户内部后端服务模块调用智能体开发平台中提前构建和发布好的智能体应用；3.大模型综合分析：大模型智能体应用内部结合Multi-Agent框架+混元AI搜索插件+知识库问答插件综合分析后给出上涨/下跌原因；4.推送原因：后端服务模块最终把大模型智能体应用中获取的上涨/下跌原因推送给C端用户； 三、客户案例和实现过程 客户案例和实现过程客户简介和需求痛点 客户简介 xx股道为客户公司旗下产品品牌，xx股道确立了“智能投资决策领跑者，与中国亿万股民共成长”的品牌愿景，客户公司以多端资讯、教学、策略、工具等全方位一站式投研服务为载体，向投资者提供及时、专业的市场信息和个性化的投资理财建议。 需求痛点 信息解读时效性 历史波动信息解读 信息解读综合性 股票分析存在专业壁垒，希望可以在股票投资软件中对移动变化的原因进行全方位的分析，供C端用户知晓 金融市场波动，C端用户需要即时获取涨跌异动的原因（如政策变动、财报发布、行业新闻等） 历史大幅波动信息对C端用户已具有较好的参考意义，希望也能全方位分析 客户案例和实现过程方案简介 ➢基于ADP的Multi-Agent模式、混元AI搜索插件、知识库问答插件相结合的方式，对股票异动的问题咨询进行提取、扩写后进行联网搜索，并将返回的结果按要求格式总结输出；➢同时支持通过TTS对文字进行语音播报。 客户案例和实现过程案例展示 客户案例和实现过程方案亮点 企业级智能体开发平台，Multi-Agent模式和插件组合使用简单高效、能显著提升agent开发的灵活性和处理复杂任务的能力： ➢增强任务拆解与动态规划能力：模型能自动拆解复杂问题为子任务，自主规划任务路径，确保了问题处理的系统性和高效性，尤其适用于需多步检索和综合分析的场景；➢实现多工具协同与错误纠正：模型主动选择和调用插件，具备主动纠错反思机制，如在工具调用失败时自动优化策略，提升任务稳定性，降低了人工干预，可靠性高；➢提升复杂查询的准确性与深度：能处理多文档整合、筛选和复杂表格查询，Multi-Agent模式可协调插件多次调用，避免单次检索的局限性；➢扩展应用场景和开发效率：结合后应用可覆盖更广泛的场景，简化开发加速应用上线。 ➢混元AI搜索插件：混元大模型与腾讯生态深度整合，拥有AI搜索、FiT金融、腾讯医典、微信公众号等内容优势，如AI搜索中，混元能够持续优化，并与丰富的内容生态结合，提供更精准的搜索结果； ➢知识库问答插件：RAG知识问答领域效果领先，在图文混排文档问答、复杂大表问答等领域优势明显。擅长图文表解析及公式解析，已被一些知名模型应用公司采购，并支持元器、元宝、ima调用。 客户案例和实现过程客户和用户收益 B端客户维度 1、降低客户资本、人力投入和使用成本，高效构建智能体应用；2、赋能客户业务，客户软件进入AI大模型