打开任何代理式 AI 教程,焦点都在框架上。LangChain 的工具调用 API。CrewAI 的多代理编排。AutoGen 的对话模式。隐含的假设是数据已经解决了——只需将代理指向你的文档,它就会自己搞定。
它搞不定。
在与跨医疗、法律、金融服务和制造业部署 AI 代理的企业团队合作后,一个清晰的模式浮现:数据质量是代理部署成功或失败的最强预测因素。 不是模型。不是框架。不是硬件。是数据。
这不是一个感觉良好的观察。它有具体的机制支撑:代理基于它们检索的信息和训练期间学习的模式做决策。如果检索返回不相关的块,代理基于错误信息做决策。如果训练数据包含不一致的工具调用模式,代理会错误地调用工具。失败是确定性的——垃圾进,垃圾出。
代理需要的三种数据类型
企业代理消费三个不同类别的数据,每种都有不同的准备要求:
1. 知识库(用于 RAG 的文档)
这是代理在查询时检索以指导其响应的信息。企业知识库通常包括:内部政策和程序、产品文档和规格、客户记录和历史、监管指南、培训手册和 SOP、邮件档案和会议笔记。
"准备好"意味着什么: 文档必须从其源格式解析、清除样板内容、去重、在语义边界处分块、用元数据标记,并使用本地嵌入模型进行嵌入。每个块必须可追溯到其源文档。
2. 工具模式(函数定义)
代理通过工具与企业系统交互——描述可用操作、接受什么参数和返回什么的函数定义。
"准备好"意味着什么: 每个工具必须有清晰的名称、精确的描述(做什么以及何时使用)、有类型和约束的完善参数文档,以及防止格式错误调用的验证规则。

