企业官网建设流程全解析

图书介绍

这个月，我和吕昭波老师合著的《智能体工作流设计：方法与实践》终于正式和大家见面了。

过去一年，我们走访了不少企业，听到客户问得最多的一句话，往往带着一种巨大的落差感：

「这些 AI 做出来的 Demo 都很惊艳，怎么一到我们公司就用不起来了？」

这本书，就是为了回答这个问题而写的。

从最初敲定选题，到最终拿到散发着油墨香气的样书，中间隔了漫长的一年多。当真正把它握在手里时，那种感觉其实挺复杂的。毕竟从最初的一个模糊想法，到最后变成一本沉甸甸的实体书，中间经历了无数次的修改、内容的增删，甚至是推倒重来。

回望过去这三年，我们身处行业之中，眼看着技术浪潮一波接一波地起落。从最初的提示词工程、Loop 工程，到各种 Agent 框架的百花齐放，再到如今 Skill、Harness、Computer Use 成为新的热点。技术的迭代速度快得惊人，但对于很多企业而言，真正面对的 AI 转型难题其实从未改变，反而在 2026 年下半年的今天，显得更加急迫。

在写作和调研的过程中，我们越来越确认一件事：对企业来说，最新、最前沿的技术，不一定是最适合的。企业真正需要的，是业务的稳定、流程的可控以及系统的可维护性。最终能切实解决问题——无论使用什么技术——远比单纯的技术炫酷要重要得多。

这本书并非一时兴起的产物。过去这三年，我们一直在 AI 行业深耕，一边观察技术演进，一边与企业主们探讨 AI 的落地应用。

我们见证了一个明显的变化：从早期的提示词，到各种 Agent，再到现在越来越多可以自主调用工具、完成任务的智能体以及 AI 办公产品。AI 能做的事情确实越来越丰富，但当我们真正试图把它嵌入企业的真实业务流时，暴露出的问题反而越来越多。

希望这本书，能为那些在技术洪流中寻找确定性、渴望让 AI 真正产生价值的从业者，提供一份扎实的参考。

比如，一个企业真的想用 AI 打造自己的客服 Agent，到底应该怎么做？

一个团队想让 AI 协助处理一批敏感文件，流程又该如何设计？

当一个 Agent 已经具备自主调用工具的能力时，哪些决策应该交给它，哪些环节仍需要人工接手审核？

这些问题看似都与 AI 相关，但最终都会回归到一个朴素而核心的命题：智能体与工作流。

因此，我们将这几年在实战中积累的智能体、工作流、方法论与真实案例，系统整理成了这本书：《智能体工作流设计：方法与实践》。

01 EVOLUTION 从提示词到 Agent，AI 开始真正动起来

前几年大家讨论得最多的是提示词，那时候 Prompt 几乎随处可见。怎么写 Prompt、怎么让模型回答得更准确、怎么满足普通用户的需求，几乎成了使用 AI 的必修课。

那个阶段，AI 更多的还是在回答问题。你给它一段文字、一个任务或者一个问题，它根据你的要求生成结果。之前花了大量时间研究怎么写好 Prompt，本质上也是在研究一件事：怎么更好地把自己的需求让 AI 理解清晰。

后来，Agent 开始成为新的关键词。

AI 不再只是回答一个问题，而是具备了执行能力。它开始调用各种工具、拆解复杂任务、执行计划之后的动作。再往后，像 Manus 这样的通用 Agent 出现之后，大家对 AI 的期待又往前走了一大步：能不能直接把一件事情交给 AI，让它自己做完？

从只会回答，到 AI 开始自己做事，AI 的能力确实发生了很大的变化。

但真正进入企业各种非既定的场景之后，我们慢慢发现，事情没有这么简单。

一个人使用 Agent，任务做错了可以重新来，这个容错率是可以接受的，但企业完全不同。

企业里有 OA、ERP、CRM、财务系统、人事系统、知识库、数据库、审批系统，还有各种已经运行很多年的业务系统。这些系统背后都有自己的规则：谁能看什么数据，谁能操作什么，什么事情需要审批，哪些信息可以发送给客户，出了问题又该怎么处理。

一个单点的Agent 如果只是帮你写一封邮件，出错了可能重新生成一次就可以。

但如果它开始进入企业业务，情况就不一样了，会有各种边界问题。

比如智能客服，Demo 阶段可能只是用户提问，Agent 搜索知识库，然后生成答案。

真正进入业务以后，就会遇到很多细节：知识库里没有答案怎么办？不同客户权限不同怎么办？退款、合同、价格这些问题要不要让 AI 直接处理？模型判断不出来的时候怎么办？如果客服人员接手了，前面的处理记录能不能留下来？

一个看起来很简单的客服 Agent，做到最后往往会变成一整套流程： 问题识别 → 信息检索 → 内容判断 → 答案生成 → 风险判断 → 人工介入 → 工单流转 → 结果记录。

到这里你会发现，模型只是其中的一小部分，真正将问题解决的能力，离不开工作流编排，将业务流程拆解，再结合大模型的能力、第三方工具的能力解决问题。

或者换句话说，贯穿核心的是其中的业务流程。

02 WORKFLOW AI 越来越自由，企业反而更需要工作流

其实工作流一点都不新。

请假有流程，报销有流程，采购有流程，招聘有流程，订单也有流程。以前这些流程主要靠语义规则、数字化系统和人工审核来执行。比如员工请假，需要先提交申请，再由直属主管审批，最后流转到人事部门备案；一笔采购订单，往往要经过需求确认、比价、审批、下单、验收、付款等多个环节。这些流程之所以存在，是为了保证业务有序、权责清晰、过程可追溯。

现在，只是开始有越来越多 AI 能力在这些流程的节点开始介入。AI 不再只是停留在对话层面，而是真正参与到流程的某个环节里，承担一部分原本由人完成的工作。

这里面，有些步骤适合让大模型来理解，比如读懂一段客户留言的真实意图；有些步骤可以让 Agent 来判断，比如根据上下文决定下一步该调用哪个工具；有些步骤可以调用第三方工具（如 MCP）自动完成，比如自动查询库存、自动发送通知；还有一些关键节点，依然需要人来确认，比如涉及金额变动、合同签署或对外承诺的环节。

所以我们现在理解的智能体工作流，更像是在原有业务流程里增加了一层智能能力。它并不是要推翻企业现有的流程体系，而是在流程的各个节点上，用 AI 去替代那些重复、耗时、规则明确的环节，让人把精力集中在更需要判断力和创造力的地方。

比如处理一批客户反馈，以前可能需要员工自己阅读、分类、整理，再逐条判断优先级和处理方式，工作量很大且容易遗漏。现在可以让 AI 先完成信息提取和分类，自动识别出投诉、建议、咨询等不同类型，再根据紧急程度和影响范围排序，最后把需要人工处理的部分挑出来，交给对应负责人跟进。

再比如制作营销方案，可以让 Agent 帮忙搜集资料、整理信息、生成初稿，最后由人来修改和确认。Agent 可以快速浏览大量行业报告、竞品动态和历史投放数据，提炼出关键洞察，生成一个结构完整的方案初稿。但最终的创意方向、预算分配和品牌调性把控，仍然需要人来拍板。

这样的场景越来越多之后，我们也越来越关注一个问题：AI 到底应该以什么方式进入业务？是把它当作一个独立的工具，还是嵌入到现有的流程节点里？是让它全权处理某个环节，还是只做辅助判断？这些问题直接决定了 AI 落地的效果和风险。

最近大家经常讨论 Skill、Harness、Computer Use，这些技术让 AI 能做的事情越来越多。它可以使用工具，可以操作电脑，可以访问外部信息，也可以连续完成很多步骤。比如一个 Agent 可以自己打开浏览器、登录系统、查询数据、填写表单，甚至完成一次完整的报表生成。这些能力让 AI 从「回答问题」走向「完成任务」，也让 AI 进入企业业务的方式变得更加多样和深入。

但当这些能力真正进入企业以后，大家还会继续问一些很具体的问题：

它能访问哪些数据？可以操作哪些系统？哪些事情需要授权？什么情况下必须停下来？

这些问题其实听起来和模型能力没有直接关系，但它们其实是企业在落地AI会遇到的一些常见问题。

所以我们在写书的时候，一直比较强调一个思路：

让模型去做理解、判断和生成，让工具去完成明确的执行动作，让工作流把整个过程串起来，到了关键节点，再让人接手。

这其实也是我们理解的智能体工作流，它并不意味着所有事情都交给 Agent 自己完成。

恰恰相反，当 AI 的自主能力越来越强之后，怎么给它划定边界、设计流程、设置人工介入点，反而变得更加重要。

03 METHOD真正做 Agent，第一步往往不是选模型

这也是我们在大量实践之后，一个越来越明显的感受。

很多人一开始就会问：到底该用哪个模型？用 Dify 还是扣子？要不要接 RAG？要不要用 skill？

这些问题当然重要，但在我们看来，可以稍微往后放一放。

关键在于，首先要以解决问题为导向，技术的选型其实是次要的。

真正开始设计一个 Agent 之前，不妨先把业务流程画出来。

这件事情到底要完成什么？现在是谁在做？中间有哪些步骤？哪些步骤最重复？哪些地方需要人的判断？哪些地方需要调用系统？哪些地方最容易出错？哪些事情必须让人确认？

这些问题想清楚以后，模型和工具的选择反而会简单很多。

也是从这里开始，我们越来越觉得，真正值得沉淀的东西，并不是某一个 Agent 或者某一个平台的使用方法。

因为模型会一直更新迭代，平台也会与日俱增的，工具也会随着技术去发展。

但企业里面的业务还是那些原本的业务，最终还是趋向于业务稳定增长。

客服还是客服，销售还是销售，财务还是财务，制造还是制造。

所以，比起记住某一个工具怎么操作，我们更希望大家建立一套可以迁移的方法：怎么拆解业务，怎么设计流程，怎么找到 与AI 的介入点，怎么组织模型和工具，数据怎么流动的，什么时候需要人工介入，出了问题怎么处理。

这些东西，才是我们在这几年实践里越来越想整理下来的。

也是写这本书我们最开始的想法，我们深知能力有限，也非常恳请各位读者朋友的指导交流。

04 BOOK我们把这些东西，整理成了这本书

《智能体工作流设计：方法与实践》全书共四篇、13 章。

第一篇・基础知识：别急着上工具。先把业务流程、工作流到底是什么讲透，理清大模型、Agent、智能体工作流之间的关系——这是地基。

第二篇・方法论：四大设计模式 + Anthropic、Google 的构建方法论。让你不只是“会用”，而是懂“为什么这么设计”。

第三篇・技术实践：Dify、扣子、FastGPT 三大平台深度对比；影刀 RPA、n8n、ComfyUI、RAGFlow 怎么搭；Manus、Lovart 这些新智能体到了哪一步。这一篇帮你选型不踩坑。

第四篇・行业实践：我们选择了教育、营销和制造业三个行业，把前面的内容放进具体场景里，包括英语作文批改、个性化教学内容生成、AI 课堂互动、批量营销素材生成、智能客服、商品推荐、数据分析、企业知识问答、企业文档批量生成、运营看板、AI 管理者助理等。

从内容上看，这四部分其实也是我们希望读者走过的一条路径：

先理解 Agent 和工作流，再学习怎么设计，接着动手搭建，最后回到真实业务。

所以在立意之初，我们并不想把它写成一本单纯的工具说明书。

工具更新得太快了，今天流行的平台，过一段时间可能就会发生变化；模型也在不断迭代。真正希望留下来的，还是一套方法加执行的流程。

到今天出版，我们发现很多技术已经革新了，一年前的技术到今天或许已经有部分过时了。但当下企业对 AI 的需求越来越旺盛，行业加 AI 的落地需求市场空间非常巨大。不管用哪一种技术，只要能够为企业解决问题，就能体现出自己的价值。这也是我们的初衷，希望这本书能够为万千 AI 从业者带去一点参考。

如果你是开发者，想从“会调 API”升级到“会设计 Agent 系统”；如果你是产品经理，正头疼 AI 和业务怎么对上；如果你是企业负责人，公司已经启动了 AI 项目却不知道怎么放进业务流程——这本书里有你能直接拿走的东西。反过来，如果你想要的是「让 AI 一键全自动」的魔法，不愿意先把自己的业务流程想明白，那这本书可能不适合你。

05 ENDING 新书终于上市了

写完这本书之后，我们反而越来越觉得，Agent 会越来越成熟，工作流也会成为企业落地的一个路线。这种判断并非来自对技术的盲目乐观，而是源于过去几年里我们反复观察到的真实趋势：模型能力在快速提升，工具生态在持续丰富，而企业真正需要的，恰恰是把这些能力稳定地嵌入到日常业务运转之中。

大模型会继续变强，工具会继续增加，Agent 能做的事情也会越来越多。今天看起来还很复杂的多步骤任务，可能再过一两年就会成为标准能力；今天还需要人工反复确认的环节，未来也许可以由 Agent 在更明确的规则下自主完成。技术演进的速度，往往比我们预期的还要快。

但对于真正使用 AI 的企业来说，有些问题不会因为模型变强就自动消失。怎么设计任务，怎么组织工具，怎么控制权限，怎么处理异常，什么时候让人介入，这些依然需要有人认真设计。模型再强，也需要有人想清楚它该做什么、不该做什么；工具再多，也需要有人决定在哪个环节调用、在哪个环节停下；权限再细，也需要有人判断哪些数据可以开放、哪些操作必须审批。这些设计层面的工作，恰恰是 AI 落地过程中最容易被忽视、却又最决定成败的部分。

这也是我们写这本书最初的想法：把这几年看到、做过、踩过的东西整理下来，给正在做 Agent、准备把 AI 放进业务里的团队，提供一套可以真正拿去实践的参考。我们不想只讲概念，也不想只罗列工具，而是希望把从业务拆解、流程设计、模型选型到人工介入点设置这一整条路径，用真实案例和方法论串起来，让读者在动手之前先有一个清晰的框架。

这本书想说的，从来不只是 Agent 本身 —— 而是把 Agent 放回它真正工作的环境里，让它和模型、工具、数据、系统、人一起工作。Agent 从来不是孤立存在的，它要读取企业的数据、调用内部的系统、遵循既定的流程，也要在关键时刻把问题交还给人类同事。只有当这些要素被合理地组织在一起，Agent 才能真正从「一个聪明的工具」变成「业务里可靠的一环」。

《智能体工作流设计》购买链接：
京东自营：https://item.jd.com/14807243.html
京东旗舰店：https://item.jd.com/10235769487393.html

宠粉赠书

扫描文章下方二维码，加入小智粉丝群，参与互动抽奖，就有机会免费获得书一册！

活动原则：公开、公平、公正
抽奖方式：群内随机抽取多位幸运小伙伴

让我们爱上阅读，成就更出色的自己！期待你的加入与分享！