上海2026年4月20日 /美通社/ -- 美國西部時間 4 月 16 日下午,ThinkingAI 在硅谷的計算機(jī)博物館舉辦產(chǎn)品發(fā)布會,正式發(fā)布企業(yè)級 AI Agent 平臺 Agentic Engine。
凌晨 3 點,某款全球發(fā)行的游戲項目的運營團(tuán)隊都在熟睡中。 一個 Agent 發(fā)現(xiàn) 7 日留存下降 12%,自動拆解問題——哪個渠道、哪個版本、哪類用戶?結(jié)合團(tuán)隊內(nèi)部的會議紀(jì)要和外網(wǎng)用戶的反饋,30 分鐘內(nèi)定位到上周新版本調(diào)整了新手引導(dǎo)流程,導(dǎo)致部分用戶在關(guān)鍵關(guān)卡卡住。Agent 根據(jù)對業(yè)務(wù)的理解自動生成優(yōu)化方案并發(fā)起 A/B 測試,2 小時后根據(jù)測試結(jié)果選擇最優(yōu)方案并推全量。數(shù)小時后,團(tuán)隊成員一早醒來,通過 Agent 發(fā)來的日報得知:問題已經(jīng)解決了。 |
這不是科幻場景,而是 Agent 驅(qū)動業(yè)務(wù)增長的新方式。
從"裝上 Agent"到"用好 Agent",中間隔著什么?
在與幾十家不同行業(yè)的企業(yè)深度交流中,Thinking AI 發(fā)現(xiàn)大多數(shù)企業(yè)對 AI 的使用還停留在 LLM 問答階段。即便部分團(tuán)隊已經(jīng)嘗試開發(fā)內(nèi)部業(yè)務(wù) Agent,從"裝上 Agent"到"用好 Agent"之間,仍然橫亙著幾個核心卡點:
Agent 之間孤立無協(xié)作。 每個部門都上了自己的 Agent,但它們之間不說話、不協(xié)作、沒有上下文共享。引入了 Agent 模式,但組織的運轉(zhuǎn)并沒有變快。
多模態(tài)全域數(shù)據(jù)匯集難。 Agent 需要的不只是結(jié)構(gòu)化的行為數(shù)據(jù),還有社區(qū)評論、客服工單、IM 對話、圖像視頻。這些數(shù)據(jù)分散在各個系統(tǒng)里,孤島林立,Agent 看不見,也就無從判斷。
數(shù)據(jù)到知識的蒸餾難。 把數(shù)據(jù)堆在一起還不夠。原始數(shù)據(jù)必須被抽象成 Agent 能理解、能調(diào)用的知識結(jié)構(gòu),否則 Agent 只是在數(shù)據(jù)表面滑行,無法做出真正有業(yè)務(wù)深度的判斷。
安全治理缺位。 權(quán)限、脫敏、合規(guī)、審計——當(dāng) Agent 開始自主執(zhí)行,"誰能看什么數(shù)據(jù)""誰能做什么動作"變成了必須回答的問題。
這些問題不解決,Agent 就只能停留在"聊天助手"的階段,無法真正驅(qū)動業(yè)務(wù)。
Agentic Engine:讓 Agent 能感知、能理解、能行動
為此,Thinking AI 結(jié)合在數(shù)據(jù)智能領(lǐng)域深耕十年的經(jīng)驗,從 Agent 的工作模式出發(fā),打造了 Agentic Engine——可私有化部署的企業(yè)級 AI Agent 平臺。
一個好的 Agent 應(yīng)該具備什么能力?Thinking AI 把它概括為三個字:感、知、行。這也是 Agentic Engine 的產(chǎn)品設(shè)計理念。
感——全域感知。 7x24 小時感知所有渠道的信號。不只是數(shù)據(jù)看板上的指標(biāo)異常,還包括 Discord、Twitter 上的用戶吐槽,App Store 里突然增多的差評,甚至團(tuán)隊內(nèi)部被擱置的會議討論。Agent 能自動關(guān)聯(lián)這些分散的信號,判斷是個例還是普遍問題,并實時預(yù)警。它不是被動等待查詢,而是主動發(fā)現(xiàn)問題。
知——深度理解。 Agent 不只知道"發(fā)生了什么",更要知道"為什么發(fā)生"。當(dāng)業(yè)務(wù)問"為什么這周留存掉了",Agent 知道"留存"在用戶的企業(yè)里有幾種算法,知道要拆解到"哪個渠道、哪個版本、哪類用戶",知道上次類似問題是怎么解決的。它就像一個對業(yè)務(wù)理解全面而細(xì)致的專家,能基于上下文做出準(zhǔn)確判斷。
行——行動閉環(huán)。 Agent 根據(jù)理解生成策略并直接執(zhí)行。比如,發(fā)現(xiàn)某渠道 ROI 持續(xù)走低,自動生成縮減預(yù)算并重新分配的策略,發(fā)起 A/B 測試驗證,確認(rèn)效果后推全量——整個過程無需人工排期。它完成的是從決策到行動的全閉環(huán),而非只輸出一份報告等人去執(zhí)行。
感知、理解、行動,三者循環(huán)往復(fù),形成一個永不停歇的智能閉環(huán)。
各司其職的 Agent 團(tuán)隊
Agentic Engine 不是給每個人配一個 AI 助手,而是給企業(yè)一整支能協(xié)作的 Agent 團(tuán)隊。
數(shù)據(jù)分析 Agent,團(tuán)隊的"眼睛"。 通過對話進(jìn)行數(shù)據(jù)分析。過去業(yè)務(wù)提需求、分析師寫 SQL、出報表、開會討論,一個完整分析周期按天計。現(xiàn)在業(yè)務(wù)直接問 Agent,幾分鐘便可給出結(jié)論和行動建議。
A/B 實驗 Agent,團(tuán)隊的"裁判"。 自主設(shè)計實驗、推流和驗證。過去每月排期、開發(fā)上線、人工判讀,一個實驗周期 2-4 周。現(xiàn)在 Agent 發(fā)現(xiàn)機(jī)會點后自動生成假設(shè)、啟動測試、實時監(jiān)控、自動判讀,無需人工干預(yù)。
智能運營 Agent,團(tuán)隊的"手"。 根據(jù)洞察自動生成運營策略并精準(zhǔn)觸達(dá)。對潛在流失用戶的干預(yù)、對高價值用戶的促活,Agent 可根據(jù)行為信號實時執(zhí)行,讓運營周期從"周級"變成"實時"。
自主創(chuàng)建 Agent。 用戶無需寫代碼,通過點選拖拽即可創(chuàng)建個性化 Agent。自定義 Agent 和系統(tǒng)原生 Agent 一樣,可以與其他 Agent 相互協(xié)作。
這些 Agent 不是孤立運行的。來看基于真實場景的產(chǎn)品demo演示視頻:
這支Agent團(tuán)隊背后是 Agent CoWork 的三層協(xié)同機(jī)制:
關(guān)鍵在于,執(zhí)行層的結(jié)果會自動回流到策略層,下一輪洞察更準(zhǔn)、更快。這不是幾個 AI 助手的簡單拼湊,而是一支能協(xié)作、能學(xué)習(xí)、能進(jìn)化的 Agent 團(tuán)隊。
十年積累,讓 Agent 從"通用智能"變成"業(yè)務(wù)專家"
很多 Agent 平臺也能搭建多個 Agent,但真正的差距在于:Agent 懂不懂用戶的業(yè)務(wù)。
通用大模型確實聰明,但它不知道用戶公司"留存"按什么口徑算,不知道"新增用戶"在用戶的定義里有幾種計算方式,不知道"付費分析"可以從哪幾十個維度去拆解。這些行業(yè) know-how 不是靠 prompt 能補(bǔ)齊的。
過去 10 年,ThinkingAI 服務(wù)了 1500+ 家企業(yè)、8000+ 款產(chǎn)品,橫跨游戲、社交、電商、短劇、直播等行業(yè)。團(tuán)隊把這些積累轉(zhuǎn)化為 Agentic Engine 的三層知識體系:
第一層:Agent 的記憶系統(tǒng)。 傳統(tǒng)數(shù)據(jù)倉庫是為人類分析師設(shè)計的,用戶得會寫 SQL、懂表結(jié)構(gòu)。Agent 需要的是能直接理解業(yè)務(wù)語言的知識庫——通過語義層和知識圖譜,"DAU"怎么算、"上周"是自然周還是運營周、"收入"是 GMV 還是實收,這些隱性知識都被結(jié)構(gòu)化,Agent 可以直接調(diào)用。
第二層:100+ 預(yù)置行業(yè) Skill。 覆蓋用戶分析、留存分析、付費分析、投放分析、運營分析等 8 大領(lǐng)域。這不是通用的數(shù)據(jù)查詢能力,而是特定行業(yè)的分析方法論——比如"留存"該怎么拆、"付費"該看哪些維度、"投放 ROI"該怎么歸因。每個 Agent 都自帶專家技能。
第三層:持續(xù)進(jìn)化的知識積累。 每一次執(zhí)行的結(jié)果都會沉淀為新的知識——上次 A/B 測試哪個方案贏了、為什么贏;哪些用戶對什么觸達(dá)響應(yīng)率高;哪些異常是真問題、哪些是正常波動。Agent 不是每次從零開始,而是在不斷積累的知識庫上越跑越準(zhǔn)。
同時,用戶可以把自己的行業(yè)經(jīng)驗編碼成專屬 Skill,可遷移、可擴(kuò)展。這意味著 Agentic Engine 不是一個封閉的系統(tǒng),而是一個能吸收企業(yè)自身知識、持續(xù)進(jìn)化的平臺。
可信、可控、可私有化部署
Agent 自主執(zhí)行帶來一個新的問題:怎么確保 Agent 做對了事?
很多企業(yè)上了 Agent 后發(fā)現(xiàn)它像個黑箱——不知道成本燒在哪、不知道輸出準(zhǔn)不準(zhǔn)、不知道 Agent 是在解決問題還是在做無效循環(huán)。Agentic Engine 提供全鏈路可觀測能力,讓每一步都可追溯、可診斷、可優(yōu)化:
整套系統(tǒng)支持私有化部署,包括底層大模型。數(shù)據(jù)不出企業(yè),完全合規(guī)。MiniMax 是 ThinkingAI 的戰(zhàn)略合作伙伴,為需要私有化部署的企業(yè)提供大模型底座。同時,Agentic Engine 原生支持 MCP、A2A 協(xié)議,可以和任何 AI 平臺無縫對接。團(tuán)隊相信,真正的企業(yè)級平臺應(yīng)該是開放的。
在交互層面,系統(tǒng)已支持飛書、企業(yè)微信、釘釘、Slack 等主流辦公平臺,用戶可以隨時隨地與 Agent 交互。
下一個十年
過去 10 年,我們?yōu)槠髽I(yè)提供數(shù)據(jù)基礎(chǔ)設(shè)施。下一個 10 年,我們要幫每一家企業(yè)打造自己的 AI Agent 團(tuán)隊。人設(shè)定目標(biāo)和邊界,Agent 在邊界內(nèi)自主運行。人負(fù)責(zé)戰(zhàn)略、創(chuàng)意和品質(zhì)把控,Agent 負(fù)責(zé)感知、分析和執(zhí)行。各司其職,各展所長。這是我們對 Agent 時代的理解,也是 Agentic Engine 的設(shè)計哲學(xué)。
今天起,Agentic Engine 正式面向全球客戶開放。