问题求解知识：让 Agent 的专业判断，服务到每一家中小企业

近年来，国家持续推进人工智能赋能中小企业的政策方向，AI应用门槛正在大幅降低。过去只有大品牌才能负担的专业营销能力，正在变成中小企业同样可以触达的基础设施。而要真正承接住这波普惠化的需求，关键不在工具多强，而在于交付体系能不能把能力稳定、低成本、可审核地落到业务端。

这正是我们在过去一个月持续验证的事。我们在某顶流小红书达人推荐的数个项目中多线推进，做了一次完整实践。这个项目让我们又一次清晰看到——营销交付中存在大量高频、重人力、依赖语义理解，同时又需要审核、反馈和持续修正的工作。

从大量 UGC 内容中筛选可投流笔记，根据 brief 推荐 KOL，整理评论和竞品信息，这些工作不是纯数据查询，也不是完全开放的创意，而是介于信息处理、业务判断、组织证据和交付协作之间。它们有一个共同特征：过去只能依赖人完成，但现在开始被系统承接。

Agent 最早缺的不是执行能力，而是判断能力

在项目早期，我们遇到的问题不是 Agent 抓不到达人数据，也不是它不能读笔记、不能生成报告，而是：它不知道如何判断一个达人是否适合某个品牌。

真正稀缺的是关于在什么条件下、为什么、以及何时应该怎么判断的知识。我们把这类知识称为 问题求解知识（Problem-Solving Knowledge）—— 它不是事实知识（Declarative Knowledge），例如品牌、产品卖点和平台规则；或者是操作知识（Procedural Knowledge），例如如何计算底妆内容占比、识别真人出镜等，它是连接“业务条件、判断标准和执行动作”的知识。

在项目推进过程中，我们逐步形成了一套达人推荐的问题求解知识框架：

业务任务 → 推荐策略 → 判断假设 → 关键判断点 → 可观察证据 → 标签与指标 → 适用边界 → 置信度与风险 → 案例反馈

这条链路的意义在于，它把过去隐含在经验里的判断过程，拆成了可以被系统理解、被人审核、也可以持续修正的结构。其中，业务任务回答品牌这次为什么找达人；推荐策略回答这次用什么思路解决；判断假设回答为什么这个策略可能有效；可观察证据回答从哪些材料中看到信号；适用边界则回答这条经验在什么场景下不适用。

Agent 不能只“产出一个答案”，它必须能把判断背后的依据组织出来。因为在营销场景里，业务方真正需要的，不只是一个结论，而是一个能审核、能解释、能继续修改的交付结果。

Marketing Atlas，持续提供稳定数据和证据服务

判断要成立，就必须有证据来源。在这次实践中，我们沉淀了 Marketing Atlas，作为营销领域的数据与证据服务，为 Agent 提供达人、笔记、评论、标签、预分析和检索能力。它支撑 Agent 在达人推荐、内容分析、报告生成等任务中的判断和证据组织。

比如，Agent 判断一个达人是否适合某类产品推荐时，需要看近 20 篇笔记内容、封面是否真人出镜、粉丝年龄分布、历史合作品牌。这些都不是一次简单搜索就能解决的，而是要被组织成一个围绕业务判断展开的证据环境。

所以，问题求解知识解决的是“怎么判断”，Marketing Atlas 解决的是“依据从哪里来”。前者是方法论，后者是证据服务，两者缺一不可。

让判断真正落地，还需要执行引擎和产品工作台

有了知识和数据，还需要一个让 Agent 稳定执行、让人可以审核反馈的产品环境。

在这次实践中，我们逐步形成了“三层一模板”的整体框架：问题求解知识 = Agent 的判断方法论；Marketing Atlas = Agent 的证据服务；phi-agent = Agent 的执行引擎；Web Agents + 项目模板 = Agent 的工作台和封装层。

其中，phi-agent 是我们自研的 Agent Runtime，对标 Codex 和 Claude Code 的执行环境，负责 session、run、workspace、文件读写、工具调用、事件流、审批和多模型切换。自研的意义，是能够围绕真实业务执行过程快速优化，而不是完全受限于外部框架。

而 Web Agents 承担了 Agent 化工作单元的产品工作台角色，负责项目、项目模板、聊天入口、文件、UI、Artifact 展示、任务交付和审核反馈。

这里最关键的一层是项目模板。以小红书达人推荐模板为例，它并不是把一个开放任务直接丢给 Agent 自由发挥，而是把从 brief 到 shortlist 的目标、默认执行流程、工具脚本、数据能力和最终交付物，封装成一条稳定链路。Agent 在这个环境里生成的，不是随机结果，而是可审核、可反馈、可迭代的业务产物。

结束语

这次实践让我们更清楚地看到，在营销场景里，真正的难点通常不是“调用哪个工具”，而是业务目标如何被拆解、判断标准如何从经验中显性化，以及最终结果如何变成业务方能审核、能使用、能交付的产物。

Skill 虽然已经在抓取数据、查询信息、字段抽取、格式整理、批量处理等确定性任务上被证明非常有效，但营销场景中的很多任务，难点已经不只是动作执行，而是如何把动作能力组织成一个完整的业务交付过程。

这次实践的价值，不只是完成了一次达人推荐，而是帮助我们更具体地回答了一个问题：Agent 在真实营销工作里，到底应该以什么方式进入交付链条。

我们的答案是，当判断方法、证据服务、执行引擎和产品工作台被组织成一个闭环时，Agent 才不只是"会做一些事"，而是开始真正承接营销交付。这套闭环一旦跑通，它面向的就不再只是头部品牌，更是所有需要在营销环节提效的中小企业。