最近半年，来找我问「怎么搭一个AI智能体」的企业明显多了。做电商的、做教育的、做制造的、做金融的都有。场景不一样，但问题高度一致：从哪开始、用什么框架、花多少钱、多久能上线。

这篇文章不讲虚的，每一步都是实际做过的。看完你至少能搞清楚：你的企业要搭一个AI智能体，大概走哪几步，每步做什么决策。

第一步：想清楚这个智能体到底要解决什么问题

很多企业一来就说「我们要做一个AI智能体」，但问「具体干什么」就说不清了。AI智能体不是一个万能黑盒子，它是个工具，得有明确用途。动手前先回答三个问题：

1. 它服务的用户是谁？

是外部客户（客服场景）、内部员工（知识库、OA助手），还是管理者（数据分析、报表生成）？不同用户对交互方式、响应速度、准确率的要求完全不同。外部客户对延迟极其敏感——超过3秒没回复就会烦躁；内部员工对准确性要求更高——给错一个数据比不给还麻烦。

2. 它需要连接哪些系统？

这是决定开发复杂度的关键变量。如果只是回答问题，2-3周就能搞定。但每多对接一个系统（订单系统、CRM、ERP、OA审批），至少增加1-2周。老系统的API文档往往不全，调试时间经常超过开发时间。

3. 成功的标准是什么？

不要只说「提高效率」，要具体到数字。比如「客服智能体上线后，人工转接率降低40%」，或者「新员工培训周期从两周缩短到三天」。

检验方法：如果你不能在30秒内向不懂技术的同事讲清楚这个智能体干什么，说明需求还没想清楚。

第二步：技术选型——用哪个框架搭

目前主流的AI智能体开发方案有三个方向：

方案	代表产品	适合谁	不适合谁
代码框架	LangChain+LangGraph	有Python团队、需深度定制	团队没开发能力、想一周出MVP
低代码平台	Dify、百炼	快速验证、需私有部署	逻辑极复杂、大量自定义工具
云端Bot平台	Coze、腾讯ADP	纯对话场景、零代码需求	需对接自建系统、私有化部署

实用决策逻辑：原型验证用低代码，生产环境用代码框架。

之前帮一家电商做智能客服，初期用Dify三天搭出原型，但到第二阶段要对接订单和工单系统时，Dify的可视化编排就不够用了——复杂条件分支在画布上维护比写代码还痛苦。最终迁移到LangChain+LangGraph。这说明：选型不是一锤子买卖，先跑通再优化，比一开始追求完美高效得多。

第三步：搭建原型——先跑通最小闭环

不要一上来就做完整方案。先搭一个最小可行原型，让业务团队用起来。目标不是「好用」，而是「能用」。原型阶段只需做三件事：

1. 1. 建知识库：把产品文档、FAQ、操作手册整理好，导入RAG引擎。文档太散（钉钉、飞书、本地文件夹都有），先集中统一格式。知识库质量直接决定回答准确率。
2. 2. 配提示词：设定角色、行为规范、回答风格。核心三条——你是谁、知识范围是什么、遇到不知道的问题怎么办。
3. 3. 给一两个工具：先接一个最简单的接口验证工具调用链路。

铁律：两周内必须让业务团队用上。超过两周还在搭原型，需求范围肯定没控制住。

第四步：对接系统——让智能体真正干活

系统类型	常见系统	集成难度	典型场景
数据查询类	CRM、ERP、数据库	中	查订单状态
操作执行类	OA审批、工单系统	高	驳回审批
实时交互类	即时通讯、邮件	很高	发确认邮件

系统集成有三个大坑：

• API文档不全：老系统接口文档要么没有，要么和实际行为对不上。建议先花半天用Postman实际调一遍，不要相信文档，相信返回数据。
• 权限体系不匹配：智能体用什么权限？建议创建专门的{LQ}智能体服务账号{RQ}，只开放必要接口和字段。
• 超时和重试：内部系统偶尔卡顿，智能体必须给用户{LQ}正在查询，请稍等{RQ}的反馈，而不是直接报错。

第五步：测试调优——从能用到好用

回答质量调优

• 准确性：回答对不对，这是底线。
• 完整性：该说的说全了没有。用户问{LQ}怎么退货{RQ}，不能只说{LQ}联系客服{RQ}。
• 可读性：回答好不好理解。不要给普通用户输出技术术语。

调优手段通常是调整知识库chunk策略、优化提示词、增加few-shot示例。准确率始终上不去，先检查知识库本身。

响应速度优化

• 知识库检索加缓存——热门问题向量检索结果可缓存
• 非核心接口异步调用——不等所有接口返回再开始回复
• 流式输出——逐字生成，感知延迟大幅降低

第六步：上线运维——跑起来只是开始

• 日常监控：使用量（每天多少条对话）、满意度（点赞/点踩比例）、转人工率。转人工率持续上升说明某些场景处理不了。
• 知识更新：产品更新了、政策变了，知识库必须同步。建议建立知识库更新SOP，过时的知识库比没有更危险。
• 迭代优化：每周分析高频低分问题，优先优化影响面最大的。

时间线和预算参考

场景类型	典型周期	预算范围	包含内容
简单场景（FAQ客服）	2-4周	5-10万	需求分析+知识库+原型+基础测试
中等场景（对接1-2个系统）	4-8周	10-25万	以上全部+系统集成+接口联调
复杂场景（多Agent协作）	8-16周	25-80万	以上全部+多Agent编排+私有化部署

一个真实案例

一家300人制造企业，要做内部智能助手帮员工查找规章制度、操作流程、产品规格。东西散落在几十个Word和Excel里，新员工光看文档就要一周。

1. 1. 第1周：需求梳理+技术选型。选了Dify做原型，私有化部署。
2. 2. 第2-3周：整理147份文档，统一清洗格式导入知识库。最耗时的是文档清洗。
3. 3. 第4周：10个新员工试用。反馈集中在术语解释不够通俗、冷门文档找不到。调整了chunk策略和检索参数。
4. 4. 第5-6周：接入OA审批系统——这是试用阶段用户提出来的新需求，说明让用户早点用起来多重要。
5. 5. 第7周：全员上线。新员工培训从7天缩短到3天，行政HR重复问题减少约60%。

几个要点：需求是边做边清晰的、文档质量是知识库效果的天花板、让用户早点用起来比追求完美更重要。

作者简介：本文作者来自一家专注企业AI智能体开发的技术团队，在客服、知识库、数据分析等场景有多个落地案例。更多技术分享欢迎关注。