随着各类模型在不同行业中广泛应用，人工智能体（AI Agent）迅速发展，相关产品也越来越多，为人们的生活提供便利。
咫尺网络紧跟数字化趋势，针对toB和toC领域，推出电商营销AI智能体应用，是AI智能体应用的生成平台，让每个企业拥有专属的AI智能体应用，构建企业智能化生产力。
通俗易懂地来说，就是打造电商AI来帮助企业发展电商营销事业。对于用户来说，这一应用相当于智能客服、营销裂变专家、营销助手、AI经营助手，帮助解决营销问题。
这个电商营销AI智能体应用的基本框架，可以划分为以下5点：
1、感知——接收任务讯息
2、记忆——调用以往的经验和知识，面对新的或复杂的情况
3、规划——相当于大脑，将艰巨的任务分解为更小更简单的步骤
4、工具——自主调用工具来完成每一步子任务
5、执行/行动——自动执行每一步子任务至最终完成任务
举个例子，向AI智能体发送“帮我发个朋友圈”。
第一步，AI接收到这条消息，获取你的个人朋友圈偏好数据，则是感知；
第二步，AI调用以前的经验知识库，查找如何发朋友圈的知识，则是记忆；
第三步，AI将这个任务拆分成编辑图片、编写文案、最终发送三个步骤，则是规划；
第四步，AI将调用工具来完成每个步骤，如调用图片编辑器来完成图片选择和编辑，用文案编写工具来写文案，用发送工具来发送朋友圈，这一步是调用工具；
第五步，AI自动执行编辑图片、编写文案、发送朋友圈的步骤，最后完成任务。这一步就是执行。
那么，电商营销AI智能体应用是如何运用这几点的呢？有哪些功能？下面将展开详细阐述。
即速电商营销AI智能体应用
AI Agent本质是以大模型为核心的智能体，通过与用户对话的形式，来完成各种任务。为了更好地理解，我们可以将它类比作一个“人”。
人类在处理问题之前，首先需要对整个事件和相关知识有所了解并掌握，才能够提出解决措施并实施。
同理，AI智能体在面对用户提出的问题时，也必须要搜索“大脑”里是否有相关知识才能够回答，因此，AI智能体需要先对这些知识进行学习。不断学习之后，就要规划如何行动，最后再调用工具流中的工具来执行。
训练库，让智能体深度学习
针对于AI智能体的学习，我们开发了训练库功能，能够让大模型学习知识，而不是单纯的查看，检索。在训练库里可以选择让智能体学习知识、案例或其他自定义内容，并且训练完之后，会进行数论的问询，强化学习到的知识，达到知识渗透的效果。
问答库，随时存档与更新
面对同一个问题，同一个人的答案也许是一样的，也许是相似的，也许是深思熟虑优化过后的，又或许是不一样的，这都需要视情况而作出回答。
AI智能体在面对相同问题时，也可以作出不同答案，这就得益于问答库的功能。在与用户对话时，可以随时选择保存与用户的问答，后面遇到类似问题时，再调用出来回答。保存好的问答也可以进行编辑更新，根据不同情况来选择对应的问答。
知识库，管理与存储知识内容
学习了知识，就需要将知识储存起来。人类的知识有些存在大脑里，有些存在书本里，而AI智能体则有知识库来储存大量的知识，当用户提问时，AI智能体就能够从中查询相关的内容并回答给用户，并且可以对知识库内容进行深度解析，提升信息处理能力和回答能力。
制定规则，有序地进行工作
人们在处理工作时，通常需要遵循各种规则，例如每次开会时都需要做会议记录，这就是一条规则。
为了让AI智能体更有秩序地进行工作，我们可以通过制定规则，让智能体清楚在处理问题时应该怎么做。比如条件是用户想要取消订单，那么规则就可以制定为“你需要告知用户，如果订单还未发货，可以联系客服团队取消”。一旦用户提出取消订单，AI智能体就可以根据这条规则进行回复。
规划库，提供规划，生成框架
对于一个新任务，人们通常会参考其他人的解决方案，确定最适合自己的方案，同时，将它拆分成一个个子任务，再逐步去完成。
智能体的规划库也做了同样的功能开发，比如我们需要AI智能体做一份私域运营方案，那么它会先去学习别人的案例，再进行生成方案，如果不满意可以继续训练生成，之后再与已规划好的案例作对比，最终形成合适的运营方案。
有了合适的私域运营方案，具体该怎么执行？规划库能够生成一二级的框架，用思维导图的方式将方案步骤清晰明了地展示出来。
任务库与工具库，轻松完成任务
面对已拆解好的子任务，人们会想尽办法去完成，好达成自己的目标。子任务的执行就需要任务库里的工作流，而AI智能体的任务库本质就是一个工作流，让大模型按照步骤执行一些动作，帮助用户一步步完成任务。
在执行任务的过程中，工作流通常需要工具的帮助，这也是开发工具库的原因。好比人类要擦桌子，那就需要抹布或纸巾。AI智能体在工作流中能够调用工具库中的工具来完成每一步任务。
多场景发布，应用更广泛
即速电商AI智能体的优势还在于能够在多个不同场景下发布并运用，如小程序组件、小程序卡片、视频号、企业微信和H5网页。
也就是说，AI智能体除了能应用于微信生态，还可以与小程序全面融合，在微信生态里调用小程序工具。只要选定好大模型的基础角色，就能广泛应用于这些场景。
总而言之，智能体需要先学习知识，用户也可以对其进行训练做到强化学习，从而获得知识，以便随时从知识库和问答库里调用知识回应用户。在获得任务指示后，智能体会规划如何行动，最后在工作流中调用工具来一步步完成任务。
以上功能的实际运用，使得电商AI能够与企业紧密结合，在不同业务场景下服务用户。让我们来看看两个应用例子吧。
案例1 电商智能客服
电商智能客服是以大模型为基础建立起来的角色，能够依据不同的服务场景来搜索知识库的知识，及时回应客户的问题，同时也会进一步询问客户的需求，提高商家的效率。
在配置电商智能客服时，可以为其设定规则，如客户要退款，那么规则就是客服要向客户确认是否为发货订单，然后根据订单状态完成退款处理。
你好，我是电商智能客服，
请问有什么可以帮到你？
我要取消订单
是未发货订单吗？
是的
未发货订单可以点击退款处理，
退款将在五个工作日内原路返回。
收到用户的退款申请后，智能客服会调用对应的工具来执行每一步任务，如第一步是用接收工具来接受退款申请，第二步是用取消工具来取消订单，第三步是用退款工具来操作退款。最终完成客户的退款需求。
案例2 私域运营助手
私域运营助手是面向于B端的角色，如果用户需要一份私域运营方案，学习了私域知识的运营助手可以帮助用户生成方案。将其他运营案例投喂给助手学习，助手会将已生成的案例与之做对比，再不断问询根据需求来调整优化方案。
不仅如此，助手可以提供运营方案的规划，用思维导图将运营方案要执行的步骤展示出来，方便商家逐步去执行。
此外，运营助手还提供任务日历，监督用户哪些是已完成任务，哪些是未完成任务，是否需要自动执行或重复执行。这也帮助商家提高私域运营的效率，针对私域做更深度的运营。
可以看到，即速电商AI能够在不同场景下帮助商家生成自己的AI应用，达到降本增效的目标，实现数据驱动的决策。
在未来，电商AI将继续创新和突破，为消费者带来更加便捷、智能、个性化的购物体验，同时为商家提供更高效、智能的运营解决方案。
