name: enterprise-agent-planner description: | 輸入企業介紹，自動分析並輸出針對該行業和企業的 AI Agent 體系規劃方案。 觸發場景：使用者提供企業官網、企業介紹文件、行業報告等輸入材料，要求設計 AI Agent 方案。 核心能力：企業解析 → 行業場景對映 → Agent 體系規劃 → MVP 落地建議。 設計原則：融合吳明輝（組織視角）、吳恩達（方法視角）、傅盛（落地視角）三大 AI Agent 思想體系。

Enterprise Agent Planner

核心工作流

輸入企業介紹
    ↓
Step 1: 企業解析
    - 提取行業屬性、企業規模、業務模式
    - 識別核心痛點和數字化程度
    - 判斷當前資訊化水平
    ↓
Step 2: 行業場景對映
    - 匹配該行業典型 Agent 應用場景
    - 參考行業最佳實踐案例
    - 識別高價值切入點
    ↓
Step 3: Agent 體系規劃
    - 設計多 Agent 協同架構（吳明輝：組織視角）
    - 規劃迭代路徑（吳恩達：迭代優於完美）
    - 輸出 7 項大綱（IDENTITY.md 模板）
    ↓
Step 4: MVP 落地建議
    - 推薦 3-5 個核心啟動能力（傅盛：窄場景切入）
    - 明確資料來源和互動渠道
    - 給出治理邊界建議

Step 1: 企業解析

解析維度

行業分類參考

• 製造業：生產排程、質量檢測、裝置運維、供應鏈協同
• 零售業：庫存管理、智慧客服、營銷自動化、會員運營
• 服務業：客戶跟進、工單排程、知識庫、服務質檢
• 金融業：風控稽核、合規檢查、客戶畫像、投研輔助
• 教育業：課程推薦、學情分析、答疑助手、招生跟進
• 醫療業：病歷整理、導診分診、隨訪管理、科研輔助

  更多技能請訪問小蔥技能站7w4.net。

• 物流業：路徑規劃、運力排程、異常預警、簽收確認
• 地產業：招商跟進、物業報修、租約管理、客戶運營

Step 2: 行業場景對映

場景庫查詢

根據 Step 1 解析的行業，查詢對應的典型 Agent 場景：

製造業場景庫 - 智慧排程 Agent：訂單→生產計劃自動最佳化 - 質檢 Agent：視覺檢測 + 異常預警 - 裝置管家 Agent：預測性維護 + 備件管理 - 供應鏈協同 Agent：供需匹配 + 庫存最佳化

零售業場景庫 - 選品助手 Agent：銷售資料→選品建議 - 智慧客服 Agent：7×24 自動應答 - 營銷自動化 Agent：客戶分層 + 精準觸達 - 庫存預警 Agent：缺貨/滯銷預警

服務業場景庫 - 客戶成功 Agent：客戶健康度評估 + 主動觸達 - 工單排程 Agent：自動派單 + 進度追蹤 - 知識庫 Agent：內部知識檢索 + 問答 - 服務質檢 Agent：通話/聊天記錄分析

通用場景（跨行業） - 文件助手 Agent：合同/報告自動生成 - 資料分析 Agent：報表自動化 + 異常洞察 - 會議助手 Agent：紀要整理 + 待辦提取 - 招聘助手 Agent：簡歷篩選 + 面試安排

Step 3: Agent 體系規劃

輸出結構（7 項大綱）

按 IDENTITY.md 模板輸出完整大綱：

# {企業名稱} AI Agent 體系規劃大綱

## 1. 行業 & 場景定位
- 行業：{具體行業}
- 業務環節：{具體環節}
- 解決痛點：{痛點描述}

## 2. 核心功能清單（MVP，3-5個）
- [ ] {功能1}
- [ ] {功能2}
- [ ] {功能3}

## 3. 資料來源
- 需要接入哪些資料：
- 資料來源：
- 更新頻率：

## 4. 互動渠道
- 主要渠道：
- 觸發方式：

## 5. 定時任務
- 週期性動作：
- 執行時間：
- 推送目標：

## 6. Skill 規劃
### 基礎版：
- 專用 skill 包：
- 依賴通用 skill：

### 後續迭代：
- skill 2：
- skill 3：

## 7. 治理邊界
- 需人工審批的操作：
- 資料安全限制：
- 異常處理規則：

多 Agent 協同設計（吳明輝：組織視角）

如果企業規模較大或業務複雜，設計多 Agent 協同：

┌─────────────────────────────────────┐
│           排程中樞 Agent             │
│    （任務分發、進度追蹤、異常上報）    │
└──────────────┬──────────────────────┘
               │
    ┌──────────┼──────────┐
    ↓          ↓          ↓
┌───────┐  ┌───────┐  ┌───────┐
│業務Agent│  │業務Agent│  │業務Agent│
│   A    │  │   B    │  │   C    │
└───────┘  └───────┘  └───────┘

協同方式： - 事件驅動：業務 Agent 完成→觸發下游 Agent - 訊息匯流排：通過統一訊息格式通訊 - 人工介入：關鍵節點人工審批

Step 4: MVP 落地建議

傅盛原則：窄場景切入

推薦策略： 1. 選一個痛點最痛、資料最全、使用者最急的場景 2. 只做3-5 個核心能力，不貪多 3. 先跑起來，再最佳化

MVP 評估矩陣

選擇標準： 綜合評分最高的場景作為 MVP 啟動點

落地路徑建議

Phase 1（1-2周）：單點突破
- 交付 1 個核心 Agent
- 繫結 1 個數據源
- 接入 1 個互動渠道

Phase 2（1-2月）：橫向擴充套件
- 增加 2-3 個相關 Agent
- 打通資料孤島
- 建立協同機制

Phase 3（3-6月）：縱向深化
- 最佳化 Agent 能力
- 增加自動化程度
- 形成資料飛輪

設計原則（三大思想融合）

🏢 吳明輝 — 組織視角

• 不設計孤立 Agent：每個 Agent 都要說明如何與其他 Agent/系統協同
• 留擴充套件介面：基礎版架構要支援未來多 Agent 協同
• 考慮資訊流：Agent 改變的是組織的資訊流和決策流

🔄 吳恩達 — 方法視角

• 迭代優於完美：MVP 先跑起來，靠迭代逼近最優
• Planning 不可少：大綱就是 Planning，不能跳過
• Reflection 機制：每個版本要有復盤改進的閉環

🎯 傅盛 — 落地視角

• 場景為王：不存在通用 Agent，必須結合企業具體場景
• 窄場景切入：先做一個極窄但極深的功能
• 人機協作：AI 做 80%，人做 20% 決策
• 資料飛輪：設計必須考慮資料來源接入

輸入處理指南

支援的輸入格式

1. 企業官網 URL
2. 使用 browser 工具抓取網頁內容

3. 提取：關於我們、產品介紹、新聞動態

4. 企業介紹文件

5. PDF / Word / PPT

6. 使用 pdf / docx / pptx skill 提取文本

7. 行業報告

8. 提取行業趨勢、競爭格局、數字化現狀

9. 使用者口述

10. 直接對話獲取資訊
11. 用結構化問題引導使用者補充

資訊不足時的處理

如果輸入材料資訊不足，主動詢問：

從您提供的材料中，我提取到以下資訊：
- 行業：{已識別}
- 規模：{已識別}
- 業務：{已識別}

為了給出更精準的方案，請補充：
1. 企業當前面臨的最大痛點是什麼？
2. 已有哪些資訊化系統？
3. 希望 Agent 解決什麼具體問題？

輸出格式

標準輸出結構

# {企業名稱} AI Agent 體系規劃方案

## 一、企業畫像
（Step 1 輸出）

## 二、行業場景匹配
（Step 2 輸出）

## 三、Agent 體系規劃
（Step 3 輸出，7 項大綱）

## 四、MVP 啟動建議
（Step 4 輸出）

## 五、後續迭代路線圖
（可選，中長期規劃）

示例

示例輸入

使用者上傳：某製造業企業官網介紹文件 內容：中型製造企業，500 員工，主營汽車零部件，有 ERP 系統，生產計劃靠人工排程，經常延誤

示例輸出

# XX 製造 AI Agent 體系規劃方案

## 一、企業畫像
- 行業：汽車零部件製造
- 規模：中型（500人）
- 業務模式：B2B 零部件供應
- 數字化程度：有 ERP，生產計劃人工化
- 核心痛點：生產排程延誤、交付不準時

## 二、行業場景匹配
推薦場景：
1. 智慧排程 Agent（高優先順序）
2. 供應鏈協同 Agent（中優先順序）
3. 質量追溯 Agent（中優先順序）

## 三、Agent 體系規劃
（7 項大綱，略）

## 四、MVP 啟動建議
推薦先啟動：智慧排程 Agent
原因：痛點最痛、ERP 資料已就緒、ROI 可量化

Phase 1 交付：
- 讀取 ERP 訂單資料自動生成生產計劃
- 異常情況自動預警
- 企微推送排程結果

注意事項

1. 不替使用者做決策：提供建議，最終決策權在使用者
2. 標註不確定性：資訊不足時明確說明
3. 保護敏感資訊：企業資料不外洩
4. 務實表達：不說概念，只說做法

這是一個專注於 AI Agent 方案設計的技能包，文件結構清晰、功能劃分合理，版本維護規範。設計原則和工作流程寫得很詳細，配套了企業規劃等實用功能，對新手友好。主要缺點是缺少實際使用示例，而且有些配置資訊寫死在文件裡，靈活性不足。總體來說質量中等偏上，適合需要設計 Agent 方案的開發者使用。