對(duì)話易點(diǎn)天下：Agent與過(guò)去有本質(zhì)區(qū)別，安全風(fēng)險(xiǎn)不在于模型微調(diào)，而在于模型選擇

過(guò)去幾年，生成式AI技術(shù)發(fā)展突飛猛進(jìn)，對(duì)于出海企業(yè)而言，最大的挑戰(zhàn)不是流量更貴了，而是增長(zhǎng)的底層邏輯變了。一個(gè)現(xiàn)實(shí)問(wèn)題是，出海營(yíng)銷(xiāo)行業(yè)正經(jīng)歷著從人力密集型向AI驅(qū)動(dòng)型的深刻轉(zhuǎn)變。

作為一家營(yíng)銷(xiāo)科技公司，易點(diǎn)天下幫出海企業(yè)核心提供兩件事情：一是全球化品牌出海，從曝光到轉(zhuǎn)化實(shí)現(xiàn)一站式海外營(yíng)銷(xiāo)；二是依托算法和數(shù)據(jù)，為廣告主實(shí)現(xiàn)廣告投放智能化。

伴隨全球化復(fù)雜性的指數(shù)級(jí)增長(zhǎng)，品牌獲客成本持續(xù)攀升，目標(biāo)廣告支出回報(bào)率逐年下降，傳統(tǒng)的加預(yù)算或堆人力的模式已經(jīng)失效。此外，智能決策也出現(xiàn)了斷層，盡管平臺(tái)上每天都在回傳大量數(shù)據(jù)，擁有數(shù)據(jù)的體量卻無(wú)法轉(zhuǎn)化為實(shí)時(shí)決策。

易點(diǎn)天下首席算法科學(xué)家Ady Zhao與筆者交流中表示，Agent技術(shù)發(fā)展和成熟，與過(guò)去已經(jīng)有了本質(zhì)區(qū)別，過(guò)去的Agent是問(wèn)答模式，現(xiàn)在的Agent真正意義上能感知、自主規(guī)劃、自主決策和執(zhí)行，實(shí)現(xiàn)端到端閉環(huán)。Agent不僅是一個(gè)輔助和執(zhí)行的工具，而是開(kāi)始有能力接管從洞察到執(zhí)行的整條鏈路。也就是說(shuō)，人的角色正從操作者變成決策者。

據(jù)悉，易點(diǎn)天下從GPT時(shí)代就開(kāi)始布局AI，圍繞整條營(yíng)銷(xiāo)鏈路構(gòu)建了一整套營(yíng)銷(xiāo)產(chǎn)品矩陣及解決方案，可實(shí)現(xiàn)智能洞察、創(chuàng)意生成、自動(dòng)投放、數(shù)據(jù)歸因的全鏈路營(yíng)銷(xiāo)AI自動(dòng)化閉環(huán)。

從大模型到Agent，以AI中臺(tái)流轉(zhuǎn)

AI大模型技術(shù)在各行業(yè)逐步滲透，其落地的效果及可復(fù)制性一直備受關(guān)注。

易點(diǎn)天下首席產(chǎn)品官Aodi Zhang指出，AI在營(yíng)銷(xiāo)廣告領(lǐng)域的落地最大挑戰(zhàn)在于，大模型生成的內(nèi)容并不能代表效果。也就是說(shuō)，AI可使得廣告素材快速生成，但并不能確保投放效果就好。

為此，易點(diǎn)天下做了兩方面工作：一是系統(tǒng)性工程，結(jié)合原有的數(shù)據(jù)中臺(tái)快速查看效果，篩選出優(yōu)質(zhì)素材，實(shí)現(xiàn)大規(guī)模生產(chǎn)并大規(guī)模投放；二是針對(duì)垂直場(chǎng)景，通過(guò)微調(diào)或編排手段，構(gòu)建垂直模型，例如一鍵生成效果素材。

“由于當(dāng)前模型是點(diǎn)狀的，未結(jié)合業(yè)務(wù)。在營(yíng)銷(xiāo)過(guò)程中，還需要根據(jù)每個(gè)生成內(nèi)容最終的ROI或客戶(hù)生命周期價(jià)值（LTV）等衰減數(shù)據(jù)給到?jīng)Q策Agent，判斷優(yōu)劣、調(diào)整策略、分配預(yù)算。這是一個(gè)系統(tǒng)工程，是傳統(tǒng)營(yíng)銷(xiāo)與AI結(jié)合的產(chǎn)品形態(tài)。”Aodi Zhang表示。

這也讓易點(diǎn)天下選擇搭建企業(yè)級(jí)AI智能體開(kāi)發(fā)平臺(tái)EC-Agent，以便一次性接入市面上主流大模型廠商的模型。通過(guò)測(cè)評(píng)判斷營(yíng)銷(xiāo)行業(yè)不同環(huán)節(jié)適合的不同AI模型。同時(shí)，在前端搭建Agent調(diào)度不同任務(wù)，并通過(guò)EC-Agent來(lái)協(xié)調(diào)使用不同工具。其具體思路是，以場(chǎng)景和業(yè)務(wù)單元來(lái)構(gòu)建多個(gè)Agent，可以虛擬出產(chǎn)品經(jīng)理、研發(fā)和設(shè)計(jì)師等角色。通過(guò)測(cè)試標(biāo)準(zhǔn)化動(dòng)作，針對(duì)復(fù)用問(wèn)題，評(píng)估哪些是基座能力，哪些是個(gè)性化能力，如基于經(jīng)驗(yàn)的個(gè)性化內(nèi)容，以業(yè)務(wù)為單元進(jìn)行抽象；然后將Agent融入到EC-Agent，目前EC-Agent已運(yùn)行超過(guò)200多個(gè)Agent；在此基礎(chǔ)之上，構(gòu)建應(yīng)用層，通過(guò)持續(xù)積累垂類(lèi)模型和小Agent，將其封裝成產(chǎn)品。

據(jù)悉，易點(diǎn)天下主要基于亞馬遜云科技的Agentic AI技術(shù)搭建了上述EC-Agent，包括使用Amazon Bedrock AgentCore等服務(wù)、開(kāi)源Agent開(kāi)發(fā)框架Strands Agents、Amazon Bedrock知識(shí)庫(kù)、Amazon Nova模型等，用于支持內(nèi)部各業(yè)務(wù)部門(mén)的AI相關(guān)需求以及創(chuàng)新業(yè)務(wù)探索，賦能內(nèi)部業(yè)務(wù)效率提升，加速創(chuàng)新AI應(yīng)用落地與實(shí)踐。

在業(yè)務(wù)運(yùn)營(yíng)方面，EC-Agent實(shí)現(xiàn)了廣告的全周期管理，由市場(chǎng)研究到人群畫(huà)像推理、由廣告素材創(chuàng)意生成到智能投放策略?xún)?yōu)化，實(shí)現(xiàn)對(duì)廣告鏈路的深度優(yōu)化。數(shù)據(jù)顯示，基于該平臺(tái)，客戶(hù)可將廣告上線過(guò)程從5天縮短至2小時(shí)，自動(dòng)化程度達(dá)80%。

智能投放方面，過(guò)去，廣告投放環(huán)節(jié)的預(yù)算分配、競(jìng)價(jià)調(diào)整、素材更換，都依賴(lài)優(yōu)化師的經(jīng)驗(yàn)，現(xiàn)在通過(guò)構(gòu)建Agent智能投放系統(tǒng)，人類(lèi)從操作者變成決策者與策略制定者，之前一個(gè)優(yōu)化師可能只能管理30個(gè)Campaign，現(xiàn)在可以擴(kuò)展到300個(gè)甚至更多，效果反而比之前更好。目前客戶(hù)可通過(guò)AI優(yōu)化減少15-20%的廣告浪費(fèi)，決策響應(yīng)從小時(shí)級(jí)優(yōu)化到分鐘級(jí)。

在內(nèi)部效率方面，EC-Agent不僅可為運(yùn)營(yíng)、運(yùn)維、商務(wù)等部門(mén)提供專(zhuān)屬Agent，還面向全員工提供OA Agent，可使員工專(zhuān)注于更具創(chuàng)造性的業(yè)務(wù)場(chǎng)景，并推動(dòng)組織運(yùn)營(yíng)效率的跨越式增長(zhǎng)。

如果說(shuō)EC-Agent就是“造車(chē)的工廠”，那AI Drive 2.0是交付給客戶(hù)的“成品車(chē)”。目前易點(diǎn)天下基于EC-Agent實(shí)現(xiàn)了新一代數(shù)智營(yíng)銷(xiāo)解決方案AI Drive 2.0，并構(gòu)建FunsData、KreadoAI、CyberGrow、AdsGo.ai、Cycor等AI產(chǎn)品矩陣，以調(diào)度多個(gè)Agent能力。

給Agent權(quán)力框定邊界

Agent能力正不斷深入企業(yè)市場(chǎng)，尤其是當(dāng)下本地部署龍蝦（OpenClaw）的爆火，更讓安全性風(fēng)險(xiǎn)問(wèn)題進(jìn)一步顯性化。

例如，AI本身的幻覺(jué)、提示注入攻擊、AI調(diào)度的開(kāi)源skills工具等帶來(lái)的風(fēng)險(xiǎn)問(wèn)題，在Agent的應(yīng)用中可能會(huì)被進(jìn)一步放大。而Agent自主決策的風(fēng)險(xiǎn)，無(wú)論是被惡意攻擊者利用還是其本身的完備性和能力，帶來(lái)的是無(wú)法防控、不可預(yù)測(cè)的風(fēng)險(xiǎn)。

Aodi Zhang指出，“我認(rèn)為最大的風(fēng)險(xiǎn)不在于模型微調(diào)，而在于模型選擇。我們會(huì)根據(jù)數(shù)據(jù)分級(jí)，例如處理財(cái)務(wù)、客戶(hù)合同等敏感數(shù)據(jù)時(shí)，會(huì)采用私有化部署的模型。在Agent調(diào)度方面，核心在于我們?yōu)槠涮峁┦裁垂ぞ摺！?/p>

為此，易點(diǎn)天下構(gòu)建的EC-Agent，包括Skill等工具都有白名單機(jī)制，每一款工具都需經(jīng)過(guò)IT和安全團(tuán)隊(duì)審核。即使Agent出現(xiàn)調(diào)用錯(cuò)誤，也處于服務(wù)范圍內(nèi)。對(duì)于調(diào)用的準(zhǔn)確性，它既可能基于SOP Workflow中的編排，也可能通過(guò)Agent自身的智能實(shí)現(xiàn)，最終以業(yè)務(wù)效果衡量。

Ady Zhao則指出，核心業(yè)務(wù)場(chǎng)景要落地，關(guān)鍵是怎么讓它可控。其做法分三步：

• 一是將業(yè)務(wù)經(jīng)驗(yàn)沉淀為知識(shí)庫(kù)，讓模型具備領(lǐng)域內(nèi)的專(zhuān)業(yè)認(rèn)知，不是通用大模型直接上，而是先讓它“懂行”；
• 二是裝上工具。通過(guò)API、MCP Server、Skill等方式，把數(shù)據(jù)查詢(xún)、分析計(jì)算這些能力以工具形式提供給Agent，讓它能獲取實(shí)時(shí)業(yè)務(wù)數(shù)據(jù)、執(zhí)行具體操作。工具決定了Agent能做什么，也框定了它的行為邊界——給它能力的同時(shí)也給它約束；
• 三是用業(yè)務(wù)數(shù)據(jù)微調(diào)模型。在預(yù)算分配這類(lèi)核心場(chǎng)景，用海量投放數(shù)據(jù)做模型微調(diào)，讓它的判斷不是基于通用知識(shí)，而是基于其行業(yè)內(nèi)的真實(shí)經(jīng)驗(yàn)。這一步是效果從“能用”到“好用”的關(guān)鍵。

在Ady Zhao看來(lái)，技術(shù)突破打開(kāi)了天花板，但真正讓AI進(jìn)入核心業(yè)務(wù)的，是“模型能力+業(yè)務(wù)知識(shí)+工具約束+數(shù)據(jù)微調(diào)”這一整套工程化的落地方法。光有好模型不夠，得知道怎么把它用對(duì)、用穩(wěn)、用在刀刃上。（作者 | 楊麗，編輯 | 蓋虹達(dá)）