很多人认为，AI Agent是大语言模型之后的下一个机会。叠加了大型语言模型能力的Agent不仅可以生成内容，还可以直接解决各种场景中的各种问题。这是一轮新的生产力变革，成为通往AGI时代的主要道路。比尔·盖茨认为，有了Agent，用户可能不会再访问搜索网站，一切都将通过Agent来完成，AI Agent将成为重要的生产力工具。

 AI工具在手，其效果究竟如何？

明略科技集团CTO郝杰专注NLP研发领域15年，对于大模型和AI agent的爆发，他有着更深刻的看法和见解，特邀请多位资深媒体伙伴深入探讨，拆解AI Agent和大模型的底层逻辑，探寻AI agent如何提升企业和个人生产力。本篇，我们将视线聚焦于明略科技营销领域AI Agent的数据质量及其应用效果，来看AI agent如何赋能营销链路生产力的价值提升。

大模型作为AI Agent“大脑”，明略如何保证其质量？

训练数据的质量将会直接影响到大模型的效果，明略对于数据有严格的质量把控。首先，我们会使用AI技术训练一系列专门为文档、书籍和帖子评分的质量评估模型。例如，对于小红书上的帖子，我们会剔除得分低于7.5的内容，认为它们质量较差。而得分在7.5到10之间的内容，我们会视为大模型培养过程中的入门课，为了让它能够理解行业中的操作，能够理解美妆领域中的约定俗成的套话、黑话，不同的客户有不同的问题和需求，即使是同一个眼霜，对于一位刚从美国回来倒时差的记者和一位刚打完网球的女学生来说，需求可能是不同的。大模型必须能够捕捉到这些微小的差别。

因此，我们会让大模型逐步学习，先学会套话，然后注入一些专业知识，这样的学习过程是循序渐进的。专业知识来源于我们刚才提到的秒针行业知识库和知识图谱，这是我们十七年来在各行各业积累的领域知识。知识图谱比知识库更高级，具有可读性强的特点。而知识库则更朴素一些，但两者差别不大，都包含大量实体、关系和属性。

但这还不够。我们会让大模型学习更高级的专家知识，比如我们为客户提供的报告。例如，当某个客户发布新产品的时候，我们需要在第二天下午四点之前交付报告，报告包括过去二十几个小时内，在各大主流媒体平台上用户对新产品的声量、正负评价趋势以及与竞品的对比情况。而明略手上已经积累了很多这样的报告，我们会让大模型逐篇阅读，并通过反复练习来提升。

我们的大模型会思考专业内容，甚至会给我们画四象限图，用模型描述如何根据不同的客户需求选择合适的方法论和报告。我们不一定能理解，也没有那么强的意志力去阅读这么海量的内容，但模型没有情感，不知疲倦，我们给它接入电源，它就会持续学习。

如何赋能客户？

AI Agent在营销领域有很多实际应用。例如，我们可以使用AI Agent进行内容生成和诊断，帮助市场部门撰写营销短文、制定营销策略等。大型客户通常每天都在各个社交媒体平台上投放营销内容。在过去，他们可能依赖代理公司或广告公司来制作这些内容，但在大模型时代，他们开始将预算用于大模型AI的探索性应用。

我们已经成功为一些重点行业的客户提供了AI Agent的服务，例如，我们批量为客户生成了大量短文内容，客户可以从中挑选，并直接发布到社交平台上。

工作流程上看，首先，我们将客户的需求转化为prompt，通过prompt engineering的过程逐步提高生成文章的质量。我们会与大模型进行对话，询问不同的问题，这个过程非常重要。通过精心设计的prompt，我们可以将一个简单的问题转化为一篇内容丰富的文章。在生成文章之后，我们会进行质量评估。我们使用质量评估模型来评估生成的文章，并根据评估结果进行调整。这种评估过程不仅依赖于人工的判断，我们还使用了AI1.0时代积累下来的质量评估模型和方法论。明略科技的秒针营销科学院通过研究大量客户案例，包括美妆、食品饮料、头部快消等等，总结出优质内容具备的“四有三友好”原则：在创作侧，好内容需要具备和用户“有关系”、对用户“有好处”、让用户觉得“有意思”，对内容“有期待”的“四有”原则；在传播侧，则需要满足和平台的“算法友好”“圈层习惯友好”“平台语境友好”三大原则。具体创作时，要综合考虑用户和产品本身的圈层、场景、痛点、卖点，基于这些原则大规模生产内容，更为高效。我们将“四有三友好”的理论引入到大模型的算法中，用基于人类反馈的强化学习这样的方法训练大模型，如果帖子具备至少三有两友好，那就是好；如果帖子四无三不友好，那就是不好。通过对帖子进行评级，进行基于人类反馈的强化学习，使我们的大模型输出结果能够符合人类的期望。

除了内容生成，明略AI agent还专注于分析洞察，即insight agent，广告监测业务是要输出分析洞察的，比如客户的广告预算投进去了，曝光有多少，点击有多少，转化到电商平台的量有多少；另外，无论是人工产出的还是工具生成的内容，在社交媒体平台上引起了多大的反响，声量起伏趋势是怎样的，竞品横向对比是怎样的，这都需要分析洞察，从而为客户下一步投放做指导。比如你这二百万预算有多少投广告，剩下多少投社交，在社交媒体平台上投哪几个KOL，以及可以监测到哪些平台是否有风险，需要风险管理等等，这些都是insight。

除了内容，洞察，明略的AI agent还有一功能点就是知识管理。很多企业都有很多内部材料，各行各业的企业都有管理内部知识的需求。在AI 1.0的时代，这一类产品被称为企业知识，像金融行业有专门的供应商提供企业知识管理的产品。其他行业可能不像金融行业那么特殊，保密性那么强。在进入2.0时代，我们需要使用大模型重新构建企业知识库，我们将其称为knowledge agent。

明略科技的市场优势在哪里？

在“模型层面”，明略科技更具技术优势，明略科技深耕人工智能领域17年，帮助2000+企业在数字化转型中挖掘数据价值及商业价值，积累了大量的营销侧数据和知识图谱丰富经验，沉淀了大量的营销专业数据，将沉淀的垂直行业数据、行业经验，注入到明略科技为客户定制的大模型中，将打造出内容更加聚焦、更适合营销场景的营销领域AI智能体，满足客户多样化的任务和场景需求。

例如，通过分析社交媒体上的舆情和知识图谱上的相关信息，我们发现市场上还没有牛油果味的酸奶。我们向某乳制品客户建议尝试牛油果酸奶，并为其设计了杯子包装。我们还为他们准备了关于牛油果酸奶口味、成分、功效等方面的信息，以及与其他饮品的比较和用户在舆论中的反应趋势的归因分析。

这样的建议打动了客户，他们愿意尝试做这样的创新产品。我们用大模型生成了多篇关于牛油果酸奶的文章。不仅如此，我们修改了我们的提议，让大模型生成更多关于牛油果酸奶的文章，同时告诉客户关于该产品的功效成分以及当前社会关于饮料的一些舆情分析趋势。客户可以参考这些文章，逐步分析牛油果酸奶在市场上的反应，并根据这些用户的特点来引导他们的心智。因为营销的本质是教育消费者如何提升生活质量，我们将这种理论传达给市场上的白领消费者，告诉他们牛油果酸奶如何提升他们的生活品质。

数据安全层面，明略如何做的？

数据安全非常重要，我们始终遵循合法合规的原则，百分之百尊重客户和用户的隐私安全。

为了确保安全，我们采取了一系列技术手段，如脱敏、过滤和加密。在AI 2.0时代，大模型也会遵循相同的原则。我们不会涉及不应该触碰的内容，只会处理合法合理能接触的内容。处理过程中会进行加密和权限管理，以保证数据的安全。另外，针对营销行业，如果客户需要将内容投放到市场上，我们会从公开渠道获取信息。这些加密和过滤措施不会对模型训练和最终输出结果产生影响。

明略科技始终以数据安全和隐私保护为最高纲领，自2017年起，陆续通过了信息安全管理体系认证 (ISO 27001)、质量管理体系认证 (ISO 9001)、IT服务管理体系认证 (ISO 20000)、隐私信息管理体系认证(ISO27701)，旗下核心产品营销智能平台通过等级保护三级认证。今年3月，明略科技成为首批入选“卓信大数据计划”成员单位，进一步从数据安全合规指导、数据安全管理能力建设、数据安全技术等方面持续提升能力，为客户提供全方位的安全合规服务支撑和保障。