梳理知识库问答、内容生成、流程自动化和内部 Copilot 等常见 AI Agent 应用场景，说明它们对应的核心技术模块。

常见 AI Agent 应用场景

AI Agent 应用最好按业务问题分，不要按工具名分。你看到的知识库问答、内容生成、流程助手、内部 Copilot，看起来都在“用大模型”，但真正难的地方完全不同。

先把场景分清，后面学习 RAG、Prompt、Tool Calling、Agent 时，才不会拿同一套方案去套所有问题。

知识库问答

这一类最核心的是：回答要建立在外部知识上，而且最好能给出处。主线通常是：

它的重点不在“会不会聊天”，而在“答得出来、答得对、能追溯”。

这一类通常更关心产出格式和审核成本，比如写标题、写摘要、写邮件、写运营文案。主线通常是：

它不一定需要 RAG，也不一定需要 Agent。

这类场景里，模型不是只负责说话，而是要参与执行。比如填表、查系统、调接口、汇总结果。主线通常是：

风险会比纯问答更高，因为它开始碰真实动作。

这类场景往往是前几类的混合体：既要懂知识，又要调工具，还要保留状态。它最容易让团队一上来就想做成 Agent。

更稳的做法通常是先做窄场景：

别一开始就追求“什么都能做”。

如果你是第一次系统做 AI Agent 应用，通常最稳的入口还是知识库问答。原因不是它最简单，而是它的边界最清楚，最适合你建立对模型、检索、引用和治理的整体感觉。

先把场景分清，技术组合才会自然收敛；场景没分清，技术就只会越堆越多。