Agent初探-智能招聘数据分析试水

显示全部楼层

本文约2000字，阅读时间5分钟

你有没有遇到这样一个情况：老板突然让你去查一个数，然而，

你不知道去哪里查。
即使查到了相关数据，发现不能直接得到结果，还得自己算。

这突如其来的要求，虽然不难，但是打断手头工作，还要花时间精力，很烦~

有没办法让老板问完问题，直接给他答案？

有！

那我是怎么实现的呢？

1. 核心技术

先说说什么是Agent。Agent现在叫做智能体，就是一个能自行分解任务，逐步执行的程序。

如果你看过《流浪地球》，类似MOSS可以自行、分步骤地制造月球基地。

1.1 Agent的核心组件

Memory 记忆
长期记忆如企业的资料库（员工手册、考勤制度等）；短期记忆就是本次对话内容（可多轮）。
Tool 工具包
比如日历，计算器，代码生成器，上网搜索功能等。
Planning 规划
分析理解任务，并生成解决方案。
Action 行动
整合上面的所有内容，执行解决方案。

2. 实现过程

2.1 搭建思考问题的框架

1）思维框架总览

2）交待背景

Resources(资料) - 你可以用的资料

Tools（工具包）-你可以用的工具

Constraints(限制) -你可以做什么，不可以做什么

Performance(期望表现) -玄学，有论文统计，给机器人打鸡血，可以表现得更好。

3）思考过程

这就是大家老说的思维链（COT Chain Of Thought），一个牛逼的思维框架。牛逼的人能做出牛逼的事，一定有一套牛逼的思考体系。
下面包括了：
1）关键词理解。
2）反思。结合上一轮思考内容（第一轮没有），看看我理解的概念是否准确？任务是否已经完成了？
3）思考。思考接下来要干什么，来完成任务。我需要XXX。属于需求分析。
4）推理。具体要怎么做？要分几步做？每步做什么？属于任务拆解。
5）计划。根据上面的分析结果，马上要做的下一步是什么？属于任务计划。
6）行动。调用哪个工具，如何做？属于具体操作步骤。

2.2 具体数据查询和分析过程

1）用户提问

2）问题分析（第一轮）

#高能预警#

原表里并没有“需求完成率”这个字段，只有需求完成数、需求总数。

但Agent他正确分析出了需求完成率=需求完成数/需求总数，并自己写出了Excel的数据筛选、排序、需求完成率计算的Python代码！

分析了完整的Excel表，并得出正确结果。

部门	招聘HR	需求总数	需求完成数	需求剩余数	需求完成率	统计日期
开发部	王丽	100	95	5	0.95	2024/1/1
产品部	李萌	150	100	50	0.666666667	2024/1/1
人力部	张宇	200	180	20	0.9	2024/1/1

3）得出结论

2.2.3 测试过程(详细的测试过程请“查看原文”)

虽然看起来很顺利，但是其实遇到很多问题。

1) 需要准确的样例数据才能自动生成查询代码

2) 读取文件格式问题

3) 需要准确提问，才能得出正确回答

3. 反思和总结

3.1 开发Agent价值

从我最明显的体感来说，就是我没有一句该如何去找文件、分析文件、计算数据的具体代码，而是告诉Agent问题思考的思路，他就能根据具体情况，具体分析，具体解决。

俗话说，授人以鱼不如授人以渔，讲的就是这个道理。

你可以尽情发挥想象，做以下但不包括以下的事：
分析Excel文件、分析word文档、分析PDF
根据分析内容，Agent自动选择合适的图去可视化，如柱状图、折线图、散点图
通过自动分析报表找到工作不到位的小伙伴，发邮件催促
根据多份行业研报，自动生成统计报表

你需要做的，不是一步又一步的文件操作、修改代码，而是梳理出一个思维框架！

3.2 局限性

个人感受：

受限于大模型的推理能力

目前只有GPT-4能做我这个例子的事，其他国内的智谱GLM4，文心一言等都不行。遇到点复杂的任务执行起来就费劲（思考轮次较多，还不一定答对）。

受限于设定好的思维框架的完整性、准确性

要做的事千奇百怪，要处理的文件格式五花八门，具体计算方法多种多样，很难用同一个思维框架，去干好所有的事。

成本较高

像我做这样一个问题的分析，就要运行4轮，包括输入、分析和输入，差不多8000多个token，GPT4 $0.03 / 1K tokens, 差不多要1.6元RMB，还是挺贵的。

相当于在企业里用起来，1个问答就要花1.6元。

但你说换算成一个招聘HR的15分钟，值不值1.6元RMB，我觉得还是值的。

3.3 展望

作为一名产品经理，我看到的是Agent非常大的潜力。

这东西就像最早的电力，最早的计算机。

早期生产1度电，或者有6层楼那么高的世界第一台计算机，跑一个程序的成本是很高的。但是随着科技进步、生产力进步，在规模效应下，成本肯定会打下来的，成为大家能日常使用的能力。

现在应该做的，就是找到企业流程里的一些具体的小场景（本站的：AI-HR应用栏目里有），先用Agent做起来，哪怕成本高一点。

先实践，看看如何优化成本,如何优化效果。

然后把AI能用的场景都串起来，架构一个AI中台，共享和重用中台提供的核心服务和能力，形成规模效应。

真等到别人把成本已经打下来了，然后有了很不错的应用效果和ROI，你再去做，迎接来的就是高额的加工成本，漫长的认知过程，然后人家在企业效率和用户体验方面都已经吊打你了，候选人都跑去AI先应用的公司了！

在即将到来的龙年，祝福大家，唯一的限制，就是你的想象力。

祝大家青云直上，准备起飞！