本次分享将深入探讨大型模型如何为B端营销带来革新，特别是利用多模态能力在营销渠道培育和销售助手的创新应用，推动整体收入的增长与业务的重大突破。我将详细介绍如何运用大模型的逻辑推理与多模态交互能力来构建创新的营销培育渠道。此外，我还会阐述如何以销售助手为枢纽平台，结合大模型技术，实现培育渠道、CDP、CRM、销售、客户互动的全面融合，从而颠覆传统业务模式，提高销售效率，将潜在的低效资源转化为宝贵的营销资产，显著提升大盘营销效果。

演讲提纲：

1. 背景介绍
   • 传统营销场景
   • 大模型时代下的智能营销&运营
2. 物流营销Agent+
   • 落地案例1：B端营销智能拓客
     • 营销大模型
     • 时空大模型
   • 落地案例2：销售助手
     • 经营运营一体化机器人
   • RAG的应用和探索
3. 总结与展望

听众收益：

• 探讨大模型如何改变传统营销布局
• Agent+ 的应用和搭建技巧
• RAG 的应用技巧
• Agent+ 赋能企业应用的思考

研讨话题：

1. 如何识别和选择一个既具有可实现性又能发挥 AI Agent 优势的应用场景？
2. 真正智能的 AI Agent 可能会如何实现？
3. 如何在资源有限的情况下突破普通 AI Agent 的能力瓶颈，实现更高的应用价值？
4. AI Agent 平台如何简化开发流程，使更多人能轻松将其应用到具体业务中？
5. 未来 AI Agent 将如何实现与人类的无缝交互？理想形态是什么样的？
6. 如何培养和吸引具备场景理解、文字处理与大模型交互能力的复合型人才？

语音助手是大模型最佳的落地场景之一，可以将语音助手看作是一个现成的智能体。如何为大模型定义语音助手业务，如何为语音助手场景定制优化模型，是我们需要解决的重点问题。在效果提升的同时，如何平衡成本与性能也成为是否可以大规模扩展的关键问题。本次分享将逐一介绍小爱同学在这些问题上的工作与尝试。

演讲提纲：

1. 大模型时代语音助手的基本架构
2. 如何为大模型定义语音助手的业务问题
3. 如何优化大模型在语音助手场景的效果
4. 如何提升大模型的推理性能
5. 如何处理新老架构之间的兼容问题
6. 未来的发展方向

听众收益：

• 了解大模型在实际应用中的困难与可行解决方案；
• 了解语音助手场景下对大模型的特殊要求；

数据分析与洞察是企业利用大模型提升角色效率的重要场景，但从数据到分析、到洞察再到决策是一个发展的过程，每一部分都有不同的落地难点，如何通过大模型+大数据能力解决？Agent 是解决复杂任务的重要技术框架，我们将分享 AI Agent 在数据分析与洞察的具体落地方法与技术突破。我们将剖析 AI Agent 在取数层面与指标与标签体系的融合策略，也将探讨如何让企业用户以自然语言交互的方式快速完成多维度、多实体的分析需求，分享实现方案的技术架构与实际效果，希望为企业探索大模型落地场地提供思路。

演讲提纲：

1. 企业数据分析与洞察的难点和挑战
   • 取数不准
   • 分析简单
   • 洞察不够深入
   • 与业务决策出现断层
2. 常见解决方案的技术路线
   • NLP2SQL
   • NLP2Python
   • NLP2API
3. 如何设计分析与洞察Agent，实现企业智能决策
   • 取数
   • 分析的幻觉
   • 分析-洞察的串联
   • 洞察更贴近业务
   • 洞察-业务决策的闭环
4. 技术架构与难点挑战
   • 技术架构设计和关键点
   • 如何规划多任务处理流程，以及设计企业数据语义层，让大模型更懂数据
   • 落地中的难点以及如何解决

听众收益：

• 了解行业前瞻性知识：了解大模型+Agent技术在数据分析和洞察领域最前沿的技术路径
• 学习实操经验：学习如何应用 AI Agent+ 数据语义等技术在企业分析、洞察领域的场景设计，帮助企业实现大模型 Agent 场景落地
• 启发技术思考：为企业在大模型+大数据的技术应用探索和商业模式创新上提供方向

在人工智能迅猛发展的时代，大模型和多 Agent 系统已成为解决复杂问题的关键技术。本次演讲将围绕多 Agent 协同调度框架方案，重点介绍如何融入意图规划的理念。我们提出了一个以“智慧大脑”作为核心的框架，智慧大脑充当接待员的角色，负责接收用户需求，对任务进行拆解和规划，然后调度不同的子 Agent 协同完成任务。通过对智慧大脑的设计和多 Agent 协同工作的探讨，我们旨在为人工智能领域的开发者和研究者提供新的思路，促进AI技术的实际应用和落地。

演讲提纲：

1. 大模型与多 Agent 系统的重要性
2. 智慧大脑的角色与功能
3. 任务拆解与规划
   • 用户意图的解析方法
   • 任务分解策略
   • 规划任务的优先级与依赖关系
4. 多 Agent 协同调度
   • 子 Agent 的分类与功能
   • 调度策略与算法
   • 协同工作的机制
5. 框架设计与实现
   • 框架整体架构介绍
   • 关键模块与功能解析
   • 智慧大脑模块
   • 任务管理模块
   • 调度与协同模块
   • 技术选型与工具链
6. 实际应用案例
   • 案例一：智能客服中的复杂意图规划与任务调度
   • 案例二：数字员工系统的多 Agent 协同控制
   • 结果分析与经验总结
7. 未来发展方向
   • 智慧大脑的智能化提升
   • 框架的扩展性与可移植性
   • 与其他AI技术的融合

听众收益：

• 深入理解意图规划在多 Agent 系统中的应用
• 掌握多 Agent 协同调度框架的设计与实现方法
• 了解多 Agent 协同在不同领域的应用效果和面临的挑战