去年底有个制造业老板找我，张口就说”我要做个AI智能体，帮我管客户和报价”。我问他想管什么客户、报什么价、谁在用、跟哪个系统对接，他一个都答不上来。不是他不懂业务，是他不知道做Agent之前该想清楚哪些事。他以为Agent开发就是找个程序员写代码，接个大模型API就搞定了。
我跟他磨了两周才把需求理清楚，然后技术选型又花了一周，数据准备花了三周，开发和调试用了五周，测试上线又花了两周。从需求到上线整整三个月。他后来说没想到这么复杂，我说是你之前想得太简单了。Agent开发的代码量大概占整个项目工作量的两成，剩下八成全在代码之外。
这个项目上线后跑了半年，帮他们把客户询盘响应时间从平均四小时压到了十五分钟，报价准确率从百分之七十拉到了百分之九十二。老板很满意，但过程中踩的坑够写一本手册。今天我把全流程拆开讲，想Agent的企业看完就知道每个阶段该干什么、会踩什么坑。
需求分析不是写PRD，是问对问题
Agent开发的需求分析跟传统软件开发完全不一样。传统软件你写PRD，把功能列清楚，交互流程画好，开发照着做就行。Agent是智能体，它的行为不是完全确定的——你给它同样的输入，它可能给出不同的输出。所以需求分析的重点不是定义功能，而是定义边界：Agent该做什么、不该做什么、做错了怎么办。
我做需求分析的时候会问客户五个问题。第一，这个Agent服务谁？客户自己用、员工用、还是客户用？不同使用者的容忍度完全不同，内部员工用容错率高一些，客户直接用对准确率要求极高。第二，Agent的核心任务是什么？不是泛泛的”管客户”，而是”自动回复客户询盘并生成初步报价”这种具体的、可验证的任务。第三，Agent需要跟哪些系统对接？CRM、ERP、企业微信、还是内部数据库？这决定了技术选型方向。第四，Agent的决策权限到哪？能不能自动发报价给客户，还是只能生成草稿等人审核？第五，错了怎么办？Agent给错了报价怎么办？有没有人工兜底的机制？
这五个问题问完，需求才算理清楚。我那个制造业客户一开始说”帮我管客户和报价”，问完五个问题变成了”面向外部客户的询盘回复Agent，核心任务是接收客户询盘消息、查询库存和价格、生成报价单草稿、由销售审核后发送。对接企业微信和内部ERP。报价错误率控制在百分之五以内，超出则转人工处理”。你看，从一句话变成了一段话，但每一步都明确了。
有个坑特别提醒：需求分析阶段一定要拉上实际使用者参与。我见过一个项目，需求是老板和产品经理关起门定的，Agent做好了一上线，一线销售说”这玩意儿生成的报价单格式跟我们用了五年的模板完全不一样，客户看了以为我们是皮包公司”。需求不是老板脑子里的想法，是一线使用者每天在干的事。把他们拉进来，让他们描述真实的工作流程，你的Agent才能解决真问题。
技术选型别只看API价格
需求定了就该选技术了。Agent开发的技术选型要解决三个问题：用什么大模型、用什么开发框架、用什么部署方式。这三个选择互相牵连，不能分开决定。
大模型选型，我建议从任务类型反推。如果Agent的核心任务是文本理解和生成，比如客服问答、文档摘要，国内的DeepSeek和通义千问完全够用，API成本低、中文能力强。如果涉及结构化数据提取和推理，比如从询盘消息里提取产品型号、数量、交货要求这些字段，GPT-4o和Claude的准确率明显高一截，但成本也高。我那个制造业客户做的是询盘回复加报价生成，涉及自然语言理解和结构化数据提取，我给他选了混合方案：意图识别和回复生成用DeepSeek，结构化数据提取用GPT-4o，两个模型各干各的活。
开发框架选型，市面上主流的就三条路。LangChain适合有技术团队的企业，灵活度高但学习曲线陡，光搞清楚它的Chain和Agent抽象就要一周。Dify适合零代码团队，拖拽搭建、可视化编排，上手快但定制化受限。Coze介于两者之间，有代码节点也有可视化编排，适合有一定技术能力的团队。我给制造业客户选了LangChain，因为他们有一个能写Python的开发者，而且询盘回复流程涉及条件分支和外部API调用，需要灵活的代码控制。如果你团队没有写代码的人，别硬上LangChain，Dify虽然功能受限但能把Agent跑起来，总比没人维护强。
部署方式有三种：本地部署、云API调用、混合部署。本地部署数据安全但需要GPU服务器，成本高。云API调用成本低但有数据泄露风险——你的客户数据要发给第三方大模型API，合同里有保密条款的话需要额外处理。我给制造业客户选了云API调用加数据脱敏，把客户名称和联系方式在发送给大模型之前替换成代号，大模型返回结果后再还原。这个脱敏层加起来不复杂，但能规避大部分数据安全风险。
数据准备是最容易被跳过的一步
Agent上线后效果好不好，百分之六十取决于数据准备。我见过太多项目，需求分析做了、技术选型做了、代码也写了，上线一跑发现Agent答非所问，根因全是数据没准备好。数据准备包含三件事：知识库搭建、示例对话收集和业务规则文档化。
知识库是Agent的大脑。你的Agent要能回答客户问题，它得有知识储备。我那个制造业客户的知识库包含三部分：产品手册（产品型号、参数、价格表）、FAQ库（过去三年客户问得最多的问题和标准答案）、业务流程文档（询盘处理流程、报价审批规则、交付周期标准）。这三部分数据从哪来？产品手册从ERP导，FAQ从企业微信聊天记录里翻，业务流程从SOP文档里摘。数据采集花了一周，清洗和结构化又花了两周。知识库不是把文档往里一扔就完了，得切片——把长文档切成一个一个两百到四百字的知识块，每块解决一个具体问题。切片太大，AI检索不准；切片太小，上下文丢失。我经过反复测试，两百到四百字的切片在询盘回复场景下检索准确率最高。
示例对话收集是什么意思？你得给Agent看几十到上百组真实的对话样本——客户怎么问、销售怎么回。这些样本有两个用途：一是用于few-shot prompt，在系统提示词里嵌入几组示例对话，让Agent知道应该怎么说话；二是用于测试，上线前拿这些样本跑一遍看Agent的回答跟人工回答差多少。我帮客户从企业微信里导出了三百组历史询盘对话，清洗后留了一百二十组高质量样本。这一百二十组样本是整个项目最值钱的数据资产，没有它Agent就是无源之水。
业务规则文档化是很多人忽略的。Agent不是只有大模型就够了，它还需要业务规则来约束行为。比如”报价低于八折必须转人工审批””库存不足的产品不能在报价单里显示有货””新客户首次报价必须附带公司资质文件”——这些规则不是大模型能自己推断的，你得写成规则文档喂给它。我用的是规则引擎加自然语言混合的方式：硬性规则用代码写死，柔性规则用自然语言描述嵌入prompt。硬性规则保证不出大错，柔性规则让Agent的行为更自然。
开发调试和测试上线
前面三步做完了，开发反而是最快的一步。我那个制造业客户的Agent核心代码不到两千行Python，一周就写完了。真正耗时的是调试。Agent调试跟传统软件调试完全不同——传统软件的bug是确定性的，复现条件固定；Agent的bug是概率性的，同样的问题可能十次里只错一次，而且每次错的方式还不一样。
我调试Agent有一套流程：先跑离线测试，把一百二十组示例对话灌进去，对比Agent回答和人工回答的差异。差异大的标注出来，分析原因。原因通常是三类：知识库切片不对、prompt描述不清晰、或者业务规则缺失。知识库切片不对就重新切，prompt不清晰就改措辞，规则缺失就补规则。一轮调完再跑一遍，看差异有没有缩小。我跑了五轮才把准确率从百分之六十五拉到百分之九十二。每轮调整两到三个点，看着慢但没有捷径。
测试上线有两个阶段。灰度测试阶段，Agent只对内部员工开放，让他们扮演客户跟Agent对话，收集反馈。这个阶段通常会暴露一批你在离线测试中发现不了的问题——真实用户的提问方式千奇百怪，你那一百二十组样本覆盖不到。灰度测试跑了两周，收集了八十条新对话样本，补充进知识库和测试集。然后才是正式上线，先开放给百分之二十的客户，观察一周无重大问题后全量开放。上线后我留了一个紧急开关——一旦Agent连续三次回答被销售标记为”不合格”，自动切换到人工模式，避免错误输出影响客户关系。
Agent上线不是终点，是起点。我给客户定了每月一次的效果复盘，看AI引用率、回答准确率、人工接管率三个指标。第一个月人工接管率百分之二十八，第三个月降到百分之十五，第六个月稳定在百分之八。你看，Agent越用越准，因为每次人工接管都产生新的训练数据，持续喂回知识库和prompt优化。Agent开发是个持续迭代的事，不是交付完就不管了。在北京，想做Agent的企业越来越多了，但真正能落地的项目不到三成，差就差在前面的需求分析和数据准备上。想动手之前先聊聊，帮你避掉至少一半的坑。
需要相关服务？联系我们免费咨询
九五星球企服提供公司注册、代理记账、商标注册、财税咨询、高新申报、网站开发等一站式企业服务。可以先免费咨询看看，觉得合适再合作，不推销。
免费小工具推荐：
联系方式：
- 电话/微信：18910232032
- 扫码添加专业经营合规顾问，免费咨询 ↓
