沟通的重要性与构建 Agent 的正确思路

沟通的重要性

现在我们基本上要求每个人都能够全链路地把事情搞定。同时，我们做的很多事情本身都具有较强的不确定性，需要进行大量的探索和调研，而且经常会涉及自己并不熟悉的业务领域。在这种情况下，能不能找到合适的业务专家就变得非常关键。

谁对公司内部的人员和业务更加熟悉，谁能够主动去找业务专家讨论，谁往往就能更快地把事情往前推进。否则，如果只是自己在那里琢磨，很多问题都会变得困难重重，甚至根本没有办法把事情搞定。

因此，我感觉沟通在我们接下来的工作中会变得越来越重要。

比如财报解读这件事情，如果你不认识相关的产品经理，也不主动去找他们沟通，那么你可能根本不知道公司现有的业务是怎么做的，也不知道应该如何判断自己做出来的东西到底对不对。这其实是非常致命的。

所以，熟悉业务的老员工在做这类事情时，通常会推进得比较快；而一个刚入职的新人，因为对业务和人员都不熟悉，往往会不知所措，很难把事情真正推进下去。

因此我感觉，在有些情况下，沟通所起到的作用可能比技术本身更加关键。

我们在做一些 AI 应用，比如各种 Agent 应用的时候，与 AI 协作的前期其实应该花大量时间去做需求澄清和规划。

而且目前的 AI 应用通常需要构建一套工作流，而不是直接让某一个 AI 去处理所有任务。如果寄希望于 AI 一次性解决整个问题，把需求直接全部交给它，让它完成一个很长的任务链路，并直接输出最终结果，那么大概率模型最终产出的效果会比较差。

最近就有一个比较典型的例子。我们让一位同事去探索新的数据可视化形式，原本的预期是先对一些真实的用户问句进行分析和归纳，然后通过「大力出奇迹」的方式，让 AI 大批量生成不同的可视化方案，再从中筛选出一些能够超越常规形式的可视化。

但是这位同事实际做的时候，采用的是「一把梭」的方式，直接把用户需求输入给模型，让模型直接产出可视化。结果就是最终产出的效果比较差，而且大部分都不是我们想要的这种非常规可视化。

究其原因，我感觉这里实际上缺少了前面的拆解过程。

首先，应该让业务专家帮助构建这一块业务分析相关的 Skill。与此同时，还需要让模型独立去理解到底什么叫「超越常规的可视化」。

比如经过分析之后，可能会发现，可以通过隐喻、类比、艺术形式、设计风格、信息图等方式，去表达一些与众不同的非常规可视化。模型需要先把这个概念本身拆解和分析清楚，然后我们才能结合业务分析和对非常规可视化的理解，让它继续进行后面的可视化效果生成。