name: enterprise-agent-planner description: | 输入企业介绍，自动分析并输出针对该行业和企业的 AI Agent 体系规划方案。 触发场景：用户提供企业官网、企业介绍文档、行业报告等输入材料，要求设计 AI Agent 方案。 核心能力：企业解析 → 行业场景映射 → Agent 体系规划 → MVP 落地建议。 设计原则：融合吴明辉（组织视角）、吴恩达（方法视角）、傅盛（落地视角）三大 AI Agent 思想体系。

Enterprise Agent Planner

核心工作流

输入企业介绍
    ↓
Step 1: 企业解析
    - 提取行业属性、企业规模、业务模式
    - 识别核心痛点和数字化程度
    - 判断当前信息化水平
    ↓
Step 2: 行业场景映射
    - 匹配该行业典型 Agent 应用场景
    - 参考行业最佳实践案例
    - 识别高价值切入点
    ↓
Step 3: Agent 体系规划
    - 设计多 Agent 协同架构（吴明辉：组织视角）
    - 规划迭代路径（吴恩达：迭代优于完美）
    - 输出 7 项大纲（IDENTITY.md 模板）
    ↓
Step 4: MVP 落地建议
    - 推荐 3-5 个核心启动能力（傅盛：窄场景切入）
    - 明确数据源和交互渠道
    - 给出治理边界建议

Step 1: 企业解析

解析维度

行业分类参考

• 制造业：生产排程、质量检测、设备运维、供应链协同
• 零售业：库存管理、智能客服、营销自动化、会员运营
• 服务业：客户跟进、工单调度、知识库、服务质检
• 金融业：风控审核、合规检查、客户画像、投研辅助
• 教育业：课程推荐、学情分析、答疑助手、招生跟进
• 医疗业：病历整理、导诊分诊、随访管理、科研辅助
• 物流业：路径规划、运力调度、异常预警、签收确认
• 地产业：招商跟进、物业报修、租约管理、客户运营

Step 2: 行业场景映射

场景库查询

根据 Step 1 解析的行业，查询对应的典型 Agent 场景：

制造业场景库 - 智能排程 Agent：订单→生产计划自动优化 - 质检 Agent：视觉检测 + 异常预警 - 设备管家 Agent：预测性维护 + 备件管理 - 供应链协同 Agent：供需匹配 + 库存优化

零售业场景库 - 选品助手 Agent：销售数据→选品建议 - 智能客服 Agent：7×24 自动应答 - 营销自动化 Agent：客户分层 + 精准触达 - 库存预警 Agent：缺货/滞销预警

服务业场景库 - 客户成功 Agent：客户健康度评估 + 主动触达 - 工单调度 Agent：自动派单 + 进度追踪 - 知识库 Agent：内部知识检索 + 问答 - 服务质检 Agent：通话/聊天记录分析

通用场景（跨行业） - 文档助手 Agent：合同/报告自动生成 - 数据分析 Agent：报表自动化 + 异常洞察 - 会议助手 Agent：纪要整理 + 待办提取 - 招聘助手 Agent：简历筛选 + 面试安排

Step 3: Agent 体系规划

输出结构（7 项大纲）

按 IDENTITY.md 模板输出完整大纲：

# {企业名称} AI Agent 体系规划大纲

## 1. 行业 & 场景定位
- 行业：{具体行业}
- 业务环节：{具体环节}
- 解决痛点：{痛点描述}

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

## 3. 数据源
- 需要接入哪些数据：
- 数据来源：
- 更新频率：

## 4. 交互渠道
- 主要渠道：
- 触发方式：

## 5. 定时任务
- 周期性动作：
- 执行时间：
- 推送目标：

## 6. Skill 规划
### 基础版：
- 专用 skill 包：
- 依赖通用 skill：

### 后续迭代：
- skill 2：
- skill 3：

## 7. 治理边界
- 需人工审批的操作：
- 数据安全限制：
- 异常处理规则：

多 Agent 协同设计（吴明辉：组织视角）

如果企业规模较大或业务复杂，设计多 Agent 协同：

┌─────────────────────────────────────┐
│           调度中枢 Agent             │
│    （任务分发、进度追踪、异常上报）    │
└──────────────┬──────────────────────┘
               │
    ┌──────────┼──────────┐
    ↓          ↓          ↓
┌───────┐  ┌───────┐  ┌───────┐
│业务Agent│  │业务Agent│  │业务Agent│
│   A    │  │   B    │  │   C    │
└───────┘  └───────┘  └───────┘

协同方式： - 事件驱动：业务 Agent 完成→触发下游 Agent - 消息总线：通过统一消息格式通信 - 人工介入：关键节点人工审批

Step 4: MVP 落地建议

傅盛原则：窄场景切入

推荐策略： 1. 选一个痛点最痛、数据最全、用户最急的场景 2. 只做3-5 个核心能力，不贪多 3. 先跑起来，再优化

MVP 评估矩阵

选择标准： 综合评分最高的场景作为 MVP 启动点

落地路径建议

Phase 1（1-2周）：单点突破
- 交付 1 个核心 Agent
- 绑定 1 个数据源
- 接入 1 个交互渠道

Phase 2（1-2月）：横向扩展
- 增加 2-3 个相关 Agent
- 打通数据孤岛
- 建立协同机制

Phase 3（3-6月）：纵向深化
- 优化 Agent 能力
- 增加自动化程度
- 形成数据飞轮

设计原则（三大思想融合）

🏢 吴明辉 — 组织视角

• 不设计孤立 Agent：每个 Agent 都要说明如何与其他 Agent/系统协同

  7w4.net收录了海量优质技能插件。

• 留扩展接口：基础版架构要支持未来多 Agent 协同
• 考虑信息流：Agent 改变的是组织的信息流和决策流

🔄 吴恩达 — 方法视角

• 迭代优于完美：MVP 先跑起来，靠迭代逼近最优
• Planning 不可少：大纲就是 Planning，不能跳过
• Reflection 机制：每个版本要有复盘改进的闭环

🎯 傅盛 — 落地视角

• 场景为王：不存在通用 Agent，必须结合企业具体场景
• 窄场景切入：先做一个极窄但极深的功能
• 人机协作：AI 做 80%，人做 20% 决策
• 数据飞轮：设计必须考虑数据源接入

输入处理指南

支持的输入格式

1. 企业官网 URL
2. 使用 browser 工具抓取网页内容

3. 提取：关于我们、产品介绍、新闻动态

4. 企业介绍文档

5. PDF / Word / PPT

6. 使用 pdf / docx / pptx skill 提取文本

7. 行业报告

8. 提取行业趋势、竞争格局、数字化现状

9. 用户口述

10. 直接对话获取信息
11. 用结构化问题引导用户补充

信息不足时的处理

如果输入材料信息不足，主动询问：

从您提供的材料中，我提取到以下信息：
- 行业：{已识别}
- 规模：{已识别}
- 业务：{已识别}

为了给出更精准的方案，请补充：
1. 企业当前面临的最大痛点是什么？
2. 已有哪些信息化系统？
3. 希望 Agent 解决什么具体问题？

输出格式

标准输出结构

# {企业名称} AI Agent 体系规划方案

## 一、企业画像
（Step 1 输出）

## 二、行业场景匹配
（Step 2 输出）

## 三、Agent 体系规划
（Step 3 输出，7 项大纲）

## 四、MVP 启动建议
（Step 4 输出）

## 五、后续迭代路线图
（可选，中长期规划）

示例

示例输入

用户上传：某制造业企业官网介绍文档 内容：中型制造企业，500 员工，主营汽车零部件，有 ERP 系统，生产计划靠人工排程，经常延误

示例输出

# XX 制造 AI Agent 体系规划方案

## 一、企业画像
- 行业：汽车零部件制造
- 规模：中型（500人）
- 业务模式：B2B 零部件供应
- 数字化程度：有 ERP，生产计划人工化
- 核心痛点：生产排程延误、交付不准时

## 二、行业场景匹配
推荐场景：
1. 智能排程 Agent（高优先级）
2. 供应链协同 Agent（中优先级）
3. 质量追溯 Agent（中优先级）

## 三、Agent 体系规划
（7 项大纲，略）

## 四、MVP 启动建议
推荐先启动：智能排程 Agent
原因：痛点最痛、ERP 数据已就绪、ROI 可量化

Phase 1 交付：
- 读取 ERP 订单数据自动生成生产计划
- 异常情况自动预警
- 企微推送排程结果

注意事项

1. 不替用户做决策：提供建议，最终决策权在用户
2. 标注不确定性：信息不足时明确说明
3. 保护敏感信息：企业数据不外泄
4. 务实表达：不说概念，只说做法

这是一个专注于 AI Agent 方案设计的技能包，文档结构清晰、功能划分合理，版本维护规范。设计原则和工作流程写得很详细，配套了企业规划等实用功能，对新手友好。主要缺点是缺少实际使用示例，而且有些配置信息写死在文档里，灵活性不足。总体来说质量中等偏上，适合需要设计 Agent 方案的开发者使用。