沟通的重要性与构建 Agent 的正确思路

沟通的重要性

现在我们基本要求每个人都能全链路地把事情搞定。但我们做的很多事情不确定性很强，需要大量探索和调研，还经常涉及自己不熟悉的业务。碰到这种情况，能不能找到合适的业务专家就很关键。

熟悉公司内部人员和业务、愿意主动找业务专家讨论的人，通常能更快地把事情往前推进。只靠自己琢磨，很多问题会越想越难，最后甚至根本推不动。

所以我感觉，沟通在接下来的工作中会越来越重要。

比如财报解读。如果不认识相关的产品经理，也不主动找他们沟通，可能连公司现有业务怎么做都不知道，更谈不上判断自己做出来的东西对不对。这个问题很致命。

熟悉业务的老员工做这类事情，通常推进得比较快。刚入职的新人对业务和人员都不熟悉，往往不知道该找谁，也就很难真正推进下去。

有些时候，沟通起到的作用可能比技术本身更关键。

我们在做 AI 应用，特别是各种 Agent 应用时，也需要先把问题和需求搞清楚。与 AI 协作的前期，应该花大量时间做需求澄清和规划。

目前的 AI 应用通常需要一套工作流，不能直接让一个 AI 处理所有任务。如果把全部需求一次性交给它，让它跑完很长的任务链路再直接输出结果，最终效果大概率会比较差。

最近就有一个比较典型的例子。我们让一位同事探索新的数据可视化形式。原本的预期是先分析、归纳一些真实的用户问句，然后通过「大力出奇迹」的方式，让 AI 大批量生成不同方案，再从中筛选出能够超越常规形式的可视化。

但这位同事实做时采用了「一把梭」的方式：直接把用户需求输入模型，让模型直接产出可视化。最终效果比较差，大部分也不是我们想要的非常规可视化。

我的判断是，问题就出在缺少前面的拆解过程。

业务分析相关的 Skill，应该先由业务专家帮助构建。模型还需要单独搞清楚，到底什么叫「超越常规的可视化」。

比如经过分析，可能会发现隐喻、类比、艺术形式、设计风格和信息图都可以用来表达非常规可视化。模型先把这个概念拆解清楚，我们再把业务分析和这部分理解放到一起，让它继续生成后面的可视化效果。