内容来自演讲：包纪强｜衡阳星轨软件有限公司｜COO
声明：以下内容由AI生成，请注意甄别
摘要
在探讨低代码平台与AI技术融合的应用中，发言人分享了团队初期对低代码的疑虑，但实践后发现其为行业发展的必然趋势。他们展示了如何利用明道云推动企业数字化转型，尤其是在化工、建筑设计及半导体行业中的成功案例。还提及AI技术，特别是GPT与代理技术在提升工作效率、自动化工作流程及优化招聘与数据分析中的作用。强调理解自身数据需求在选择和应用AI技术时的重要性，并鼓励行业间就不同场景的AI实践展开讨论。
章节速览
明道云与AI Agent结合：企业数字化转型实践
分享使用明道云进行企业数字化转型的经验，包括低代码平台的选择理由、技术架构设计与实际案例。强调明道云在不同规模企业中的应用灵活性与效率优势。
AI与Agent在企业中的应用与思考
探讨AI在开发领域的进步，以及如何将AI能力融入工作流程。讨论低代码平台与Agent在不同场景下的应用，强调选择合适工具的重要性。通过案例指出Agent在处理非结构化数据中的优势，并反思领导层在应用AI时可能遇到的挑战。同时表达了对明道云新版本发布的期待。
企业数字化转型与AI大模型应用
讨论企业数字化转型的必要性与挑战，尤其是数据闭环和AI能力构建。强调团队协作及数据定义优化对大模型识别效率的提升。分享国内外大模型应用心得，指出高质量结构化文本的重要性，并提及模型上下文窗口的演进趋势。
AI Agent在招聘场景中的应用与挑战
介绍如何利用AI Agent处理招聘流程，从简历分析到候选人筛选。强调Agent引导用户提问的重要性，展示了基于仿真数据的Agent与人工筛选结果一致性。讨论AI模型在风险评估中的优势，并鼓励行业合作与交流。
要点回顾
明道云是如何被引入并用于项目实施的？
公司起初以实施为主，对低代码持保守态度。但在数字化转型需求驱动下，通过外部顾问推荐试用了多个低代码平台，最终选择明道云。原因在于其兼顾业务人员操作与开发人员习惯。在一年内，公司使用明道云完成了多个化工厂与其他行业项目，实现了快速交付与广泛覆盖。
明道云如何与其他技术结合构建数据架构？
在业务系统较多的情况下，将明道云作为应用层的一部分，并结合Flink等技术进行数据沉淀。对小型项目直接使用明道云；对大型企业则通过PG SQL等数据库构建中间层，再将处理后的数据返回明道云，实现高效数据架构。
明道云和AI Agent的结合有哪些应用场景？AI技术的发展是否会影响低代码平台？
明道云与AI Agent结合，可应用于业务流程自动化、数据分析系统等领域。AI Agent能独立完成部分应用搭建，但低代码平台在复杂流程与数据规整方面仍具优势。例如，发票处理可由AI Agent完成，而简历筛选等非结构化场景更适合Agent。AI与低代码相辅相成，互不替代，低代码在低成本、快速迭代方面仍占优。关键在于企业需明确数据与流程，选择合适技术工具。
企业数字化转型要做好Agent，需要具备哪些条件？
要构建高效Agent，企业需先完成数据闭环建设，并利用AI强化自身护城河。许多企业尚未达到基础数字化阶段，面临数据分散与人才不足问题。最佳方式是加强团队协作，以实现“无摩擦数据网”的高效信息流转。
团队如何进行数据定义与模型使用？
团队通过现场实施确定所需数据，由开发人员定义字段，以便AI模型更好识别和处理。例如，在客户名称的拼写规范上进行标准化，以提升识别精度。
不同模型底座的使用心得
团队尝试多种模型底座后发现：cloud性价比高但易被封号；codex迭代快但稳定性稍逊；Deep seeker价格低但上下文窗口有限；千问3在阿里内部已跑通多场景表现优秀；清华自补青年4.6版也已具备可用性。
大模型最喜欢哪种类型的数据？
研究与实验显示，大模型偏好高质量结构化文本数据，不一定依赖特定RAG或向量数据库。随着GPT模型的演进，token数量提升，大模型能更好地处理多文本信息。
如何将传统人事招聘中的简历分析与AI结合？
团队计划使用procol A技术（如cloud code能力）构建招聘Agent，帮助HR筛选简历。通过ETL流程将PDF简历转化为结构化文本（markdown格式），再由AI深度分析，既能粗筛也能精评。仿真数据表明，AI选出的结果与人工判断一致，并能通过深度分析调整候选人排序，提高匹配准确度。
演讲原文
衡阳星轨软件有限公司COO包纪强 00:05
很高兴在这里跟大家分享关于明道云和AI agent相关的一些结合。每次来到深圳这个地方，我都是感觉有点手忙脚乱，忙忙的来，急急忙忙的回上海当中搞得很累，但是每次来收获都很大。今天特别的感受，好像离我这个座位越近的人，演讲的内容收获就越大一点。这是我今天大概的一个目录，我尽量讲的快一点。
衡阳星轨软件有限公司COO包纪强 00:32
我们公司新轨是从上海开始创立，一直是做实施。上午何总说乙方是爸爸，那我们是乙方，孙子当了很多年了。我们一个整个team比较技术宅。我自己以前是做金融交易互联网的team里面一些做电商的。整个技术宅往往对低代码有一些天然的抵触，就觉得这个东西靠不靠谱。因为15年的时候我们就有机会来做用低代码来做一些实施。但事实上没办法，就是行业机会会倒推你的。
衡阳星轨软件有限公司COO包纪强 01:07
有的时候你的代码资产是base在某些行业的。其实我们自己做政务项目也做了很多年。像刚刚安老师那边说的智慧城市，我们在那个方向反而堆积了很多代码。但是像企业数字化机会来了，有这样的商务机会，但是没有代码资产，你去重新熟悉一个新的行业，重新去做它，那是很难的。
衡阳星轨软件有限公司COO包纪强 01:33
所以我们在这个过程中，其实跟何总刚刚一样，感觉何总也是之前有一个顾问型的人来引荐了明道云。我们也是一样，有一个这样的外部顾问，在他推荐下我们试用了很多低代码平台。当然明道云是我们最后的定下来的选择，原因也和何总前面聊的一样。
衡阳星轨软件有限公司COO包纪强 01:57
就我觉得对于业务人员来说，他是一更强大的exile。对于我们整个是开发团队为主的人来说，他好像又是一个很能够贴近你平时工作的数据库都是以表为一个基底来做呈现的。所以对业务人员来说也不陌生，对于开发人员来说也陌生，双方一起就可以一拍即合。
衡阳星轨软件有限公司COO包纪强 02:20
我们自己因为我自己做低代码算是小学生，我们刚做了一年多。一年内我们组建了一个小组，专门来实施低代码的明道云。仅仅五个人，我们一年完成了三个化工厂表面处理化工厂的项目。
衡阳星轨软件有限公司COO包纪强 02:36
一个上海也应该算是比较头部的建筑设计里领域的一个企业的企业数字化。还有一个是半导体行业的一个企业的数字化，做的面也是比较广的。虽然没有做到那种所谓超级APP的一个地步，但是基本上在一年内企业数字化当中，CIMHR财务还有一些轻度的merse相关的东西也都做了。我们自己在实施的过程中的经验，这是我们大概的一个技术上的架构。如果碰到前面比较大的，像类似于我们也合作过一些，比如说一线的头部的电子车的厂商，我们可能会考虑这样。包括一些上市公司，它本身的业务系统已经很多了。
衡阳星轨软件有限公司COO包纪强 03:23
业务系统多的情况下，可能我们把明道云看成应用层HAP上。我们在这个时候的时候是应用层当中，我们用flink来做技术数据沉淀。在明道云的这一块专注于应用。那一些相对比较小的客户就用明道云搭了一些项目，那怎么办？其中毕竟我们明道云相对来说，它是一个OLTP的一个工具，它比较专注于业务某些数据分析类的东西，我们还是考虑当中抽了一个数据库存出来。但在这种情况下，我们可能不一定用dories这样东西了，可能用PG SQL这样的东西来处理一个中间层，然后把这个当中的数据服务再反哺回明道云。这个是我们现在的一个，如果用明道云来做一个数据架构，这一趴我尽量快一点。因为前面说的也很多了。
衡阳星轨软件有限公司COO包纪强 04:15
我不知道从2023年开始到现在，大家是不是都像我一样就要下GPT出来以后大家觉得这个东西好厉害，你要去学它。学的时候过程中发现，这功能怎么那么强，是不是我们程序二号没饭吃了，就开始慌了。你慢慢接受这件事情以后，你慢慢自己再去迭代，把AI能力赋到自己的一个工作当中去。这样的循环我可以说每年每几个月身上在我们团队上就会这样滚一次。像今年可能我相信类似于像crucial cross code已经比较成熟了。GPT也发布了codex这几个。
衡阳星轨软件有限公司COO包纪强 04:53
原来你的AI是辅助你开发的，现在AI似乎在某些场景上已经可以一口武器把一个应用搭出来了。当然回过来说，我非常认同任总上午说的低代码平台跟vive coding当中是各有自己一块业务的，互不干扰。从我个人角度来看，我觉得互不干扰一些应用上的快速迭代，用低代码仍然是最好的选择。
衡阳星轨软件有限公司COO包纪强 05:18
这个是我现在这个我们快点过，这个是分享给大家一些我的学习报告。这是之前anthropic的一个报告。一句话总结，现在AI的应用在相对比较发达的国家渗透率已经很高了，在所谓的南方国家相对渗透率比较低。我觉得我们中国可能在这之中，换句话说，我觉得agent的空间还非常大。这里我也尽量讲快点，这个跟前面的哪个厂商说的有点像，我也是这个认知，并不是所有的场景你一定要用agent再来干一遍的。关键一点，想清楚你的数据在哪儿，想清楚你的流程。有些流程适合用agent就用agent上。有的流程适合比如RPA或者别的一些方式，你就用别的方式上。
衡阳星轨软件有限公司COO包纪强 06:10
这是我们现在做过的一些场景。在这里面其实第一个场景是我们自己的客户，他在明道云上搭了一个相应的agent。当时也我们自己也很震撼，也告诉我的团队，现在就是这个时代，你不干总有人干，客户自己也会干。还有一个经验就是像比如说发票这样的，为什么我觉得他不是那么适合，其实发票还是一个比较规整的数据，所有发票数据差不多就那样。但是如果换到前面的简历筛选，那每个人的简历千奇百怪，排版格式不一样，有的信息是文字，有的信息是图片，这种情况就比较适合agent了。
衡阳星轨软件有限公司COO包纪强 06:54
最后一个，这个是有像个笑话，at talk查询你的项目，你的产品做了100个功能，客户老板今天要101个功能。这个是今年脱口秀上的，我觉得跟我们IT行业的一个有名的笑话。就说这个大哥他自己是在他们公司里面管IT的，他说我的领导现在也在跟风用LLM对吧？问题是你如果要把这个大模型的能力充分发挥出来，你要使用者能够说清自己的需求，能够把这个语言信息结构化的表达出来。他说这个往往是我们领导的短板，一模一样。
衡阳星轨软件有限公司COO包纪强 07:38
我的客户跟我说过，我做了一个at hook查询的POC给大家看。他说包老师这个东西做的还不错，挺好的。但我估计我们领导用不了，因为他最喜欢跟我说，小李小张，你把那个事处理一下。当然我觉得我们在座的企业家不是这样，但是我觉得我们国家还是有大量这样的企业家的。OK我们快速进到我自己这一段时间上，对agent的一个思考。其实我当时特别害怕，就是因为我知道明道云，我准备PPT的时候，咱们明道云还没发，我特别害怕我这个东西到时候准备的不好。这个明道云新的大版本发布，显得我的眼睛像个小丑的那还好。
衡阳星轨软件有限公司COO包纪强 08:19
首先一点很像前面这个哲明老师说的，一个企业你如果要把agent做好，那肯定是你要准备这些东西了。你这个数字化转型要非常的完整，你的agent有自己的闭环数据OK你通过AI能把自己企业的护城河做起来。但问题是可能很多，就像刚刚说的，企业数字化按照国家标准有五阶，我觉得很多企业一阶都没做好，那怎么办？你怎么去处理这个所谓的没有摩擦的数据网呢？就是想要什么数据就有什么数据。而且这样的人似乎是招不到的。你又开发很强，又很懂明道云的事，是他对企业产品业务流程也能够定出来。我觉得这样的一个能人其实是很难招的那更好的方式也许是团队更好的配合。
衡阳星轨软件有限公司COO包纪强 09:11
我们团队里面有这样的一个配合流程，我们现场实施来定哪些数据，maybe以后需要做OAP做分析的具体定的时候的数据的字段的定义，让开发来定义。开发可能知道你怎么去定义这个字段，大模型更容易认得出来。比如说你如果客户名称，你用中文拼缩写可能就有问题。如果你换成另外一种形式，可能就要好很多。
衡阳星轨软件有限公司COO包纪强 09:40
OK接下来是我们自己团队内部用各种各样模型底座的一些不一样的心得。我们自己开发最喜欢用cloud还不错，性价比其实也还不错。如果你包月，但是众所周知原因比较容易被封号，我们现在团队也大量在用codex，但codex他也疯狂的在迭代，但总感觉不如claud。它比较像职场新人，其实能力很强很聪明，但是你要把规则讲多一点给他。
衡阳星轨软件有限公司COO包纪强 10:08
Deep seeker当然token比较便宜，但是它上下文的窗口限制还是有1点千问3。这个是我好大哥在阿里的好大哥推荐给我的。以前我这个人有点小小崇洋媚外，觉得国产大模型不好用。但他告诉我千问三在阿里内部已经跑通非常多场景了。我试了一下，其实千问3 code plus去对接crowd已经很不错了。最后一个是清华大学的那个自补青年，我很早就用了它，但当时他跟GPT差距很大。我要说的是他们现在对标cloud以后，现在这个版本的自主青年4.6已经相当可用了。所以我说这个东西不至于离现在太远了，因为这篇论文是10月1号刚刚发的。
衡阳星轨软件有限公司COO包纪强 10:54
我前段时间我的代码团队在做一个德国的rug的一个项目。现在我们中国有很多出口的货物要到欧盟去，要交碳税。那怎么去计算？怎么去算这些碳税？那些用户怎么去问问题？
衡阳星轨软件有限公司COO包纪强 11:09
我们在做一个rog的项目，但是这篇文章当时看到就比较震耳欲聋。他说这个rug已经不行了，已经kill by agent very accounts windows。就是说他这个东西已经他他他已经被大厦下文窗口干掉了。他在下面写了一个理由。
衡阳星轨软件有限公司COO包纪强 11:25
另外一边他说为什么co co特别好用？它不是因为它rag做得好，恰恰是因为它没有rag。基于这个理论，我马上也要求团队来做一些迭代，今天来给大家做一些分享。
衡阳星轨软件有限公司COO包纪强 11:41
这个是支撑他前一篇文章的数据，他告诉我们一个什么样的事实，为什么这句话本身比较可信？因为刚刚那篇文章的作者就是欧洲最大法律rag库的作者创始人。所以他告诉我们一个什么道理？就是大模型在目前这个阶段最喜欢吃的是什么数据？他最喜欢吃的是高质量的有结构的文本，而不一定是rog，不一定是向量数据库旁边那个红的就是rog传统的rug，因为我自己做rug切分数据切分的要死要活的。他告诉我们为什么现在能够做到这一点，是因为右边的原因。右边就是说现在的从原来GPT four只有8k token的这个时代，现在已经发展到200K了，gma已经到了一照了，group for fast已经到两兆了。我下面也列了一些国产的，我们DC deep six是128KG2M4.6是200K千问3 code plus也达到了一兆，它能够比较大的吃多一点文本，如果你的文本的结构化够好的话，效果就会比较好好。
衡阳星轨软件有限公司COO包纪强 12:48
既然cross code那么厉害，我就在想我们的一些agent能不能直接用procol的A技术来做。而恰好大家看一下时间，其实这个时间仅仅在一个月前，点crock，crock放出了它的agent SDK，就是cloud code能力，你可以直接用它，你把SDK装好，你就可以用它了。我们想用的迭代的第一个场景是前面说的简历分析的那个场景，这是我做的ETL做的ETL从零到云里面来做的ETL。大家想一个人事总监他如果要去塞人，他应该看哪些数据？他是不是要看一个人的大概的工作经历？他可能要细看，他要看一个人的简历，要好好的看。但是如果一下子他要招好几个人，他可能又有一个像比较粗略的先初筛一部分的这样的一个需求。而且在这个过程中他可能是互相的，他可能先看五份差不多像样了，我在当中再挑两个人，我把这些能力写成了一个ETL。
衡阳星轨软件有限公司COO包纪强 13:53
当然我觉得今天看到的分享，上午说明道云以后的ETL这一块会更好的发挥，也可以开源。我相信以后这一块儿不用那么累，但其中有一块还是挺累的，你毕竟PDF要降下来。既然AI最喜欢结构化文本，我还需要一些云服务把它转成markdown对不对？所以这个过程还是要自己少不了一些开发。
衡阳星轨软件有限公司COO包纪强 14:18
这一块我用web coding，这么复杂的ETL，当然的佘老师在这里不敢说复杂。相对比较复杂。我觉得你让一个开发来做，以前再怎么干干这个东西，干好几天还是需要的那起码vive coding做这件事情一天就可以，这可能是比较适合vive coding的场景。
衡阳星轨软件有限公司COO包纪强 14:39
回过来说，这里是我跟我团队去定义agent的一个点。我们说我的团队内部是这样的，像明道云的agent的节点，我们称之为AI能力或AI函数。因为不要这也agents那也agent，有时候沟通起来会出现歧义，那我们觉得的agent是起码要有一个循环。不管是react架构也好，还是像claud这样说的，你总要有个收集信息，做出行为人或者别的agent能够去验证你的worker。这样的一个循环，我们内部团队才称之为agent。
衡阳星轨软件有限公司COO包纪强 15:15
有了准备好数据以后，那我们现在应该要有开发agent了。这个也是vive coding用pro的AGSDK来做的。我们可以看一下这个小demo，不知道能不能放视频，这个比较极客一点了。
衡阳星轨软件有限公司COO包纪强 15:30
大家可以看整个pipeline是比较复杂的，你要去搞这些数据，你要从零到云里拉，根据这些东西再去7788抽这个东西，是一个很复杂的一个过程。还要去下载这个，那的不占用大家太多时间，我直接放下去。那这边就是一个我们的招聘agent，你会看到这个输入不是一个好输入，这个输入有点太模糊了，就像那些提不出好问题的领导一样。好的agent我觉得应该能够引导用户一步一步的把这个数据往下走，然后告诉他用什么方式。当你说了深度以后，他就会一个人去看他们的简历，他会初筛好几个人在，一个人能看他们的简历是不是符合这一块。我能给大家报告的是这一块仿真数据，我们跟客户有一些沟通。
衡阳星轨软件有限公司COO包纪强 16:24
基于仿真数据客户的人士告诉我，AI最后选出来的人跟他选出来的人是一样。其实这还没完，这边其实还没完，我快一点就把它过去。可以，所以我截个图，我们快一点。比如说一开始你问他怎样，然后比较深度的部分以后，他列了一个张表出来。其实如果往回看AI初筛的时候，这个候选人并不是第一名的。但是他深度分析以后，他就变成第一名了。这个第一名就跟人分析出来第一名是一致的了。甚至于他会主动的，比如说你问他这人薪资怎么样，他会给你细一步的分析，然后他甚至会给你做一些风险提示。
衡阳星轨软件有限公司COO包纪强 17:05
这里其实我我想特别想跟大家分享的就是这个agent背后的模型，就是自古清妍的GM4.6。因为我觉得它对标claud，对标cloud这个模型，因为它比较严格，它是一个开发相关的，它天然对风险这一块就敏感一些。我们测了一些模型，我发现这个场景core最合适。OK在这个找到答案AI maybe可以帮你找的年代，可能问出好问题更重要。这里是我的三个问题分享给大家，我很希望有机会能跟大家一起探讨。很明显这三个东西都没有一个特别标准的答案。但是我希望能够跟大家一起慢慢的在不一样的场景找到相应的答案。好，谢谢大家，可以加我微信，大家一起交流，感谢分享。
