B端Agent的机会，不在于“助手”，而在基于垂直领域的任务式Agent微调

Coze、钉钉的Ai助理吸引了无数眼球，但是角色扮演的助理Agent落地一直很一般。同时“助理”型服务无法满足B端的实际业务场景，因为在B端工作中，特别是在客服场景下，十分强调回复准确性、稳定性，以及按照要求来执行具体的任务，解决实际业务问题。而相比助理Agent，通过对Agent框架的微调，在客服领域的表现完全强于coze、钉钉，更能落地在企业业务流程中。

“助手”Agent是设计用来执行广泛的基础任务，不特定于任何特定行业或复杂场景场景。它们通常处理简单的查询、日常信息查询、基本的客户互动问答。更多是为个人提供灵感，快速查找信息，总结文档等，他依赖于“使用者”下达合适的指令以及正确的引导，才能达到合适的效果。

如图中Coze的Agent创建，提示词中标注为技能、各种插件工具。他依赖于大模型的智能水平，在用户提问的时候，进行发散，决定要使用的“技能”，问什么答什么。

垂直领域的任务Agent是专门为特定行业或业务场景的问题，更强调落地，为用户解决具体的场景问题（用户不需要懂Ai，自需要使用即可），能够处理更理解复杂或特定的任务。它们通常需要Agent对业务场景有深入了解，并能够适配。自动处理用户意图下的问题，并切能准确有效的解答，不会发散。

如图为“TFLow Agent”（框架微调的Agent）产品截图。提示词为任务流程的描述、要求。他给到模型思考逻辑、执行逻辑、限制模型的发散。让模型的每一步执行都在规定的范围内，从而能够更好的代理确定的性的信息，以及稳定的流程。他能落地的具体的业务中，解决具体的用户问题，带来确定性事件。

都选择常见售前留咨为例如，流程为：1、查询知识库进行解答问题；2、引导用户提供姓名、电话、公司名称；3、调用接口，讲信息插入到CRM中；Coze和TFlowAi的对比；

通过相同任务提示词的对比我们发现，框架微调的Agent，更能适合客服场景，能够很好的聚焦，模型不会随意的发散。表现更好的准确性，任务执行的稳定性，以及解决的幻觉问题。

相比于传统SaaS，不容易被抄袭，容易形成核心竞争力

1、场景微调：针对客服场景进行了专门适配，基于客服场景经验，优化多Agent与大模型的对话逻辑。实现一次客服会话中，同时交叉使用多个Agent，同时处理不同的任务。优化后能够准确识别用户意图，并进行切换处理。

2、优化流程式任务的处理：发挥Agent框架中的“思维链”和“反思”能力，让模型模型理解流程，观察用户输入，不断的反思，从而更能准确的执行任务。优化后能够根据提示词的任务，更精准地理解用户意图，按照提示词流程处理客服场景中的复杂任务，自主引导用户提供信息并执行任务。而且表现很高的稳定性和准确性。

和传统SaaS客服机器人相对优势

1、开发成本低：传统aaS的智能客服机器人依赖于知识图谱、FAQ、相似度问题、配会话逻辑等，需要庞大的开发团队进行维护复杂的功能模块，且需要专业的团队进行使用

2、使用成本低：通过自然语言来描述服务SOP就能创建的机器人，自动识别用户多种意图。不需要配置相似度问题、配会话逻辑等。

和钉钉、coze相比：能够直接服务于企业业务流程，直接落地。解决实际业务上的问题，实现降本增效。

个人两个观点：

1·、助手更多是提高员工的效率，也依靠员工适用于Ai的能力，个人的能力无法长期转变为组织的效能。而B端产品的价值必须给企业带来价格，降低成本or带来收益。通过微调Agent能够落地到企业业务中。

2、通过微调，适配业务场景的任务Agent，能够带来一定的壁垒。传统软件通过产品交互逻辑即可推测产品的实现逻辑。而通过大量场景的适配微调的Agent，通常无法通过产品直接推车出微调逻辑。随着时间的推移，更能带来一定的壁垒