企业落地AI的四个关键步骤

1、挑选适配生态的模型； 2、利用MCP协议为Agent植入业务技能； 3、梳理业务逻辑，选用脚本、Dify或skills等工具搭建工作流； 4、整合业务资产与隐性知识，建立知识库并应用RAG技术。

1. 模型挑选：重视生态背景

挑选大模型（如Claude、ChatGPT、DeepSeek、Gemini、可灵/即梦等），不应仅凭直觉或口碑，而应考察其背后的生态支持。例如： ◦ Gemini在行业研究方面表现出色，得益于其与谷歌维基百科及必应搜索的深度整合； ◦ 可灵/即梦在视频生成上实现突破，归功于其对抖音、快手短视频生态的利用。企业应依据自身业务需求，选择与之匹配的模型生态。 2. 技能编排：Agent与MCP协议

若要AI完成“联网搜索、自动撰写飞书文档、操作网页”等任务，必须利用AI Agent进行技能编排，并通过MCP协议连接技能与Agent。例如，让AI抓取竞品市场数据并自动生成飞书分析报告，Agent就需要通过MCP调用“联网搜索”和“自动写飞书”这两个技能。 3. 工作流设计：确保AI执行稳定可控

工作流是将人类的业务流程转化为AI能理解的“链式任务规则”（明确步骤顺序和并行关系），以保障AI的执行始终符合业务规范。实现路径多样，如编写代码、使用腾讯Dify、skills等工具，其核心都是为AI构建链式任务规则。 4. 知识库与RAG：使AI具备“公司人”特质

知识库不仅涵盖企业历史、规章制度及价值观，还需融合内部数据（业务习惯、标准边界）与外部数据（行业经验、判断标准）。为防止知识库规模过大拖慢AI运行，应采用RAG（检索增强生成）技术，让AI先检索知识库中的相关信息，再据此进行执行。