“这确实让你们的大模型机器人在处理任务的能力上又提高了一大截！”

这是一位正在搭建传统任务流程的企业用户，在自行体验了我们AI Agent的新能力「LLM大语言模型任务」后发出的感慨。

这个在上周悄悄上线的新功能，甚至还没来得及做内部宣贯，就迎来了首位种子用户。我们的产品经理及优化师团队深入追踪了这位“大神种子用户”的使用情况，并在与他访谈的过程中，发现了一些之前未曾想到的AI Agent新使用灵感。

用户任务背景

复杂的交互场景，有回答、有收集、有协作

用户是企业服务行业，核心解决的是「售前咨询」业务场景，期望用AI Agent实现：

1. 访客进线后，AI Agent要能很好的独立回答访客提出的问题；

2. 在回答问题后，需要逐步引导访客留下信息资料（大概4-5个信息点），以便商务人员沟通细节；

3. 针对一些特殊业务线，要先确定访客的业务是否符合承接要求后，再引导留资；

4. 留资完成后，要直接向商务发一个工单传递已获取的信息。

看上去似乎不太复杂，但用户有6条业务线，每个业务线要收集的内容都不完全相同。这样的话，相当于要创建6个任务流程，每个流程少说要有8个流程节点，这无论是从创建任务流程，还是管理任务节点，都会相当繁琐。

“LLM任务的上线恰逢其时！我没想到那么复杂的任务，我居然可以‘只用1个节点’就搞定！”

只有「1个节点」的任务流程听起来有些匪夷所思，其实这正是大模型能力加持的结果。在新上线的LLM任务中，用户只需要把希望AI Agent获取的信息变量、执行的动作（如查询知识、创建工单）等，按步骤用文字写下来，放到节点的任务描述中，就完成了。

“我终于不需要再画那么多节点、各种分支和连线了，我只需要把我想要实现的事情描述清楚，剩下的交给大模型就行了。虽然我只画了1个节点做测试，但它已经帮我同时实现了‘随时回答访客提问、判断访客业务、收集信息、发送工单’的工作，确实非常方便！”

这样做的好处不仅体现在「创建任务流程」上，在「维护调优」上更是便捷。在测试中，如果遇到实际呈现结果与预想有差异的情况时，只需要在LLM任务的提示词中「加些嘱咐」，就能很轻松的完成调优。“我无意中在提示词说了一句‘对要收集的内容加粗+字体背景’，它居然都帮我实现了！就好像我在和一个伶俐的助手同事在聊天一样。”

如果说过往的每条任务流程处理的只是「1个任务动作」，那么在上线了LLM任务后，「每个节点」都变成了独立的任务动作，而整个画布可以把「多个任务」串联起来，完成一个多分支、超复杂的大型任务项目。

“我的整体任务可以拆分成3个大步骤：①确定访客想了解的业务线 >> ②确定访客是否符合这条业务线的承接要求>> ③引导符合要求的访客留下信息。

②和③这两步我在配置传统的任务流程时就能实现，但我没太想清楚怎样能把①与②③串接起来，毕竟业务线太多了，如果都画在一张画布上不太合理，也不便于管理。当LLM任务上线后，我发现‘每1个节点变成了1个任务’，这使得任务画布的作用发生了改变，从‘绘制1个任务’变成了‘串联多个任务’。”

大家都在感叹于这位“大神用户”的专业度，事实情况也确实如此。

“还有一点不得不说，这个LLM任务确实很容易上手。我也体验过其他类似的产品，感觉除非我对大模型技术非常了解，不然很多设置项我是看不懂的，更别说上手实操了。智齿的LLM任务，我觉得只要会说中国话，就能把它搭出来，机器人的自主理解性相当强。”

这一点是我们始终坚持的——要让AI Agent真正能被「用起来」。大模型技术其实门槛很高，又是一门相对较新的学科，我们不可能直接假定用户已然是技术专家。我们要做的是为用户提供一款封装好的「应用」，开箱即用。这样做虽然确实会折损些许灵活度，却能让绝大多数用户很快上手，先人一步用大模型技术赋能业务，这才是企业选择使用AI Agent的终极意义。

AI Agent LLM任务能力总结

1. 真·智能：无需绘图和设置，通过提示词描述即可完成变量收集、动作执行等配置；

2. 真·升维：一张画布可串联多个任务，升维处理超复杂任务；

3. 真·简单：操作简单，快速上手，无需掌握专业知识。

这位用户在向我们分享使用体验的同时，还为我们提出了许多宝贵意见，这激发了我们对产品设计方向上的许多新灵感，用户提到的一些很有意义的新能力，我们会在近期的版本中完成上线。

同时欢迎更多新老用户一起体验「LLM大语言模型任务」，为复杂任务“做瘦身”，提效率！