企业落地AI四步走

1、选生态匹配的模型；

2、为Agent接入业务所需技能的MCP协议；

3、梳理业务流，选择合适形式（如脚本、Dify、skills）搭建工作流；

4、整理业务资产和隐性信息，构建知识库并结合RAG方案。

1. 模型选择：看生态而非单一能力

选大模型（如Claude、ChatGPT、DeepSeek、Gemini、可灵/即梦等），不是看直觉或口碑，而是看其背后依托的生态。例如：

◦ Gemini做行业研究强，因为依托谷歌维基百科和必应搜索；

◦ 可灵/即梦生成视频能弯道超车，因为依托抖音、快手的短视频生态。
企业需根据自身业务所需能力，匹配对应生态的模型。

2. 技能编排：Agent与MCP协议

若希望AI执行“联网搜索、自动写飞书、操作网页”等任务，需通过AI Agent编排技能，而技能与Agent的衔接需要MCP协议。比如让AI抓取竞品市场表现并自动写飞书分析，Agent需通过MCP调用“联网搜索”和“自动写飞书”技能。

3. 工作流设计：让AI执行稳定可控

工作流是将“人的业务流程”转化为AI可理解的“链式任务规则”（明确步骤先后、是否可并行等），确保AI每次执行都在业务规则内。实现方式有多种，如code、腾讯Dify、skills等工具，本质都是为AI设计链式任务规则。

4. 知识库与RAG：让AI成为“公司人”

知识库不仅包含企业历程、规范、价值观，更需整合一方数据（业务习惯、基准边界）和三方数据（行业经验、判断标准）。为避免知识库过大导致AI执行低效，需通过RAG（检索增强生成）让AI先从知识库中检索任务所需信息，再参考执行。