懂流程、懂企業、成果交付、流程封裝……Agent TO B時代真的來了_風聞

數據準確度、產業和流程理解、任務執行、企業知識連貫、權限認知……從通用Agent到企業級Agent，AI生產力時代正在慢慢來到。

作者|皮爺 

出品|產業家 

這個6月不一般。

就在今天，智譜“低調”上線了一款名為CoCo的企業級超級智能體，但和之前大部分智能體錨定的“通用場景”不同，智譜給這款產品的定位是：企業級。

實際上，從產品來看，相較於C端智能體，企業對於B端智能體在數據準確度、產業和流程理解、任務執行、企業知識連貫以及權限認知等多個方面都有更高的要求。

此外，和C端智能體允許存在一定幻覺率不同，B端智能體的輸出結果由於會直接對應到企業的生產經營，比如金融的風控、快消的門店選址、經營分析等等，往往數據不容有錯。

那麼，CoCo這個企業級智能體到底成色如何？或者説它到底能不能真實理解TO B場景。話不多説，成色如何，我們帶入到企業場景裏一起來看。

一、更完整的交付、更產業化、

個性化的角色加持

對於B端智能體，在之前的紅衫中國閉門會上被達成的一個共識是，B端智能體必須要具備“成果交付”能力，只有具備這樣的能力，才能為企業提供生產力加持。

先來看兩組測試。

首先來進行一組基於金融場景的測試，角色設定為某區域銀行，針對最近國家剛出台的相關信貸政策進行相關風險調控，讓CoCo進行針對性輸出。

Prompt：最近國家發佈了《國家金融監督管理總局辦公廳關於做好2025年小微企業金融服務工作的通知》的通知，請幫我分析下這個通知，並結合現在的中小微經營現狀給我一些風控方面的建議，要求圖文並茂。

在接收到任務後，CoCo和等大部分智能體不同的是，**它會選擇先基於全部任務進行整個任務規劃節點的梳理，在進行整體任務規劃後同時給出對應的編輯選項，企業可以自行修改其中的任何規劃，**也可以調整其中的規劃節點順序，點擊“確認規劃”後，CoCo才會最終進行執行。

此外，更為值得一提的是，在CoCo的整個執行中，不僅可以看到全部運算流程，同時還能看到大量的行業垂直信息檢索和中間對信息準確性的不斷確認。

15分鐘後，一份完整的報告出爐。

報告部分截圖（一）

報告部分截圖（二）

報告部分截圖（三） 

完整版可查看：

https://aiworker.aminer.cn/aicoapi/fs/v1/api/download/YNNKUWDUDEHMA5IW4QGBLN5CPQ/CoCod/chatfiles/dd4d0558-bf24-4f7a-917b-79cd8f86ac60/2/index.html

客觀來看，這是一份足夠完整、豐富甚至可以説對金融企業而言可以直接使用的報告，不論是從整體報告的嚴謹度，還是數據的引用度，甚至報告不僅分析了對應的政策情況，也更給出了銀行企業需要注意的風控事項。

再進行一個基於快消企業營銷場景的測試。

Prompt：最近電商平台和媒體平台動作頻頻，接連推出不少618營銷新政策，我作為一家消費品品牌，能否幫我介紹對應的營銷政策，同時給出618的相關建議，要求圖文並茂。

報告部分截圖（一）

報告部分截圖（二）

輸出結果同樣不俗。從單純報告的行業理解層面來看，其不僅融合了國內電商和媒體的主流營銷動作，同時用可視化表格的方式對不同政策和案例進行了梳理和試樣。

一個客觀的評價是，作為企業級智能體，在整個任務執行過程中，CoCo的特殊之處在於其可以基於更為完整的邏輯進行行業信息檢索，這種邏輯的能力在保證TO B交付準確性和完整性的同時，它還能帶來一定的驚喜和額外建議，真正可以為企業輸出一份完整的交付成果。

在這些行業性的成果交付之外，我們發現CoCo更大的亮點還在和和企業內環節的打通。

首先，你可以選擇在配置中單獨上傳企業的相關知識庫和數據庫文件。

在進行相關配置後，你就可以基於企業的一系列數據庫讓CoCo進行對應數據和經營情況的分析，來看一組測試。

Prompt：結合知識庫/數據庫，基於最近一段時間的銷售情況，幫我分析接下來銷售過程中需要注意哪些問題，以及給我一些具體的經營分析建議

能看到的是，在整個規劃過程中，CoCo就充分調用了上傳的一系列知識庫和數據庫文件，同時引入了相關行業和產業外部信息為整個任務執行構建框架。

來看最終交付結果。

報告部分截圖（一）

報告部分截圖（二）

完整版可查看：

https://aiworker.aminer.cn/aicoapi/fs/v1/api/download/MI66Q723IFACCROXLJFECQGWS4/CoCod/chatfiles/daa48d7b-07ac-4f13-8f80-a1d80ecdc236/2/index.html

從業務呈現到可視化圖表，到折線趨勢圖，以及整體的數據分析，在這個表格裏，幾乎展示出了企業全部的業務衡量緯度，企業可以基於這份報告為參考進行最終的決策和經營政策制定。

能看到的是，在整個規劃和執行過程中，CoCo可以做到和企業內場景一系列數據環節的打通，通過絲滑調用各個數據庫的文件，同時結合外部的專業行業信息檢索，更進一步給出對應的答案，

從行業視角來看，這是一個充分值得肯定的點，即從國內乃至全球市場來看，能夠打通企業內部核心管理環節的智能體應用很少，即使不少智能體能夠打通也更多是基於知識庫的信息打通，很難直接調用企業的數據庫信息，同時也更難把企業內知識和行業知識進行整合理解和分析表達。

如果説上述測試更多的是CoCo在去全流程執行和成果交付上的演練，那麼在這些之外，CoCo還可以基於特殊的記憶能力，成為企業內不同角色的專屬助理。

據瞭解，這是智譜在CoCo內部專門嵌入的感知記憶能力，即其可以自動感知企業用户畫像和企業知識資源，根據長短期記憶能力自動抽取和精準召回過往資料和企業資料，為不同的人提供不同的AI服務，真正做到千人千面、個性化定製。

比如它可以基於不同的角色設定為你推送相關的日報信息，以及它會更根據你日常讓它處理的信息來判斷學習你工作的風格和工作的內容，在對應的任務執行上主動給到員工相應的加持，這種加持伴隨着CoCo的特殊記憶能力，可以伴隨着人們的使用後期越來越聰明，可以説，CoCo也更是一個企業內部不同角色的AI工作台。

二、一鍵封裝MCP：

直擊TO B智能體流程編排

如果説前文所説的基於全流程的交付能力和與企業內部不同環節打通與個性化賦能的能力是Agent產品層面的能力升維，那麼更令人驚喜的是CoCo具備的MCP封裝能力。

要知道的是，在TO B場景，大部分智能體之所以不能完成對應的任務是因為產業和企業場景的任務相對複雜，大部分智能體都只能完成單點的能力滿足，但企業往往需要的是某個流程的執行，甚至某段完整業務的執行。

但CoCo解決了這個問題。

它的做法是，用户可以先基於流程構建的提示詞生成對應的MCP工作流，併發布為MCP工具，這個工作流工具就會被內置到CoCo的工具集裏，後續在相關任務執行時員工可以直接調用對應的工作流工具。

先來看一組展示。

工作流生成（Prompt）：幫我生成一個工作流，基於日報分析數據進行當天的業務分析

工作流複用（Prompt）：幫我把這個日報轉化為經營分析報告（上傳了一份基於AI生成的符合真實日報格式的日報文件，如下）

生成結果：

報告部分截圖（一）

報告部分截圖（二）

報告部分截圖（三）

完整版可查看：

https://aiworker.aminer.cn/aicoapi/fs/v1/api/download/C5TK23EHGEICZCAXAM3U4KT3GM/cocod/chatfiles/816a2c8a-32fb-40b4-8a0b-960020b389dd/3/index.html

再來一組金融相關的測試

工作流生成（Prompt）：幫我做一個工作流，把銀行貸款申請表轉化成簡單易懂、圖文並茂的市場情況分析，並給出對應的放貸意見。

同樣經過上述MCP流程，一個名為“銀行貸款風險評估與放貸”的Agent工作流已經出現在工具集中。

工作流複用（Prompt）：幫我把貸款申請表轉化成市場情況分析（上傳了一份基於AI生成的符合真實銀行貸款申請格式的文件，如下）

生成結果：

報告部分截圖（一）

報告部分截圖（二）

完整版請查看：

https://aiworker.aminer.cn/aicoapi/fs/v1/api/download/ZIYR42WVNZPIPANPUSBJP4QMQE/CoCod/chatfiles/0d8bc879-b7f5-4350-9ad2-e618c6d6a736/10/market_analysis_report.html

這是智譜發佈企業級超級Agent足夠亮眼之處，也更可以説是足夠特殊之處。

即其基於MCP的形式，完成的是對企業某個完整環節的封裝，其最終達成的目的等同於在某個成熟的SaaS軟件進行全部數據流程的推進。**甚至從企業的角度來看，其比傳統SaaS軟件還能做到更個性化的滿足需求，比如從數據到決策建議，從消費者信息到產品驅動等等，**這些企業內的高頻和核心需求場景都可以輕鬆得到滿足。

而且從操作門檻來看，其僅僅是基於語言交互的方式就可以生成對應的MCP工作流，基於0代碼開發的狀態完成對部分環節的Agent封裝，可以讓企業內部每個角色在每個環節都能進行AI化嘗試。

三、Agent生產力時代真的來了嗎？

“Agent生產力時代真的來了嗎？”

這是今年到現在為止，大家一直在思考和討論的問題，但卻始終沒有答案，原因恰是目前的智能體更多是基於通用場景的加持，在企業級場景也更多僅僅是如辦公等前端環節，在企業場景真正核心的流程、權限、角色適配等方向很難做到工程能力的滿足。

對不少企業而言，其自行搭建的智能體也很難和自身固有的數據庫、知識庫完美打通，同時不少SaaS廠商提供的智能體更多也僅僅能給到copilot層面的加持。

但這次，CoCo有可能在這個問題帶來了一個新答案。

儘管目前從問題回答的完整度來看仍有欠缺，以及和外界網站等線索環節打通也更在推進，但就企業級場景來看，CoCo向前真實地邁了一大步。

這種邁步是基於某個專業場景問題（甚至是金融這種強專業導向）的全流程結果交付，同時企業可以自行調整對應的任務規劃和流程；

也更是對企業內不同角色和不同權限之下的賦能和加持，同時還更有之前智能體很難做到的基於MCP的流程封裝，後者甚至有可能會成為下一步SaaS模式的雛形。

以及特殊的記憶能力，可以保證企業以及企業內的各種職能人員保持智能體訓練和使用的連貫性。

基於這些已經呈現出來的，CoCo完全可以在企業內通過調試和訓練後成為一個合格的智能助手，作為某些環節的數字員工，其可以面向部分企業角色進行專業的AI賦能，尤其對金融、保險、快消等需要大量調研和資料查詢的行業。

基於MCP，其同時還更可以是某個成熟業務環節交付的執行者，比如前文演示的基於快消門店信息的整理分析和經營建議等等。

此外，尤為值得一提的是，和如今大部分僅僅跑在雲端的智能體不同的是，CoCo完全支持私有化部署，即企業可以把CoCo部署到自身的服務器上，基於企業內網的一系列數據庫和知識庫進行調試，真正做到內生於企業私域環境，同時又可以基於感知記憶能力兼具AI成長性，讓企業真正擁有一個安全可控、成果交付和持續進化的全方位智能體中台助手，讓每一個個體都有基於企業土壤的但又契合自身個性的超級助理。

也許可以毫不客氣地説，Agent TO B時代真的來了。