“大模型元年”下半年，话题焦点，已经显现出从技术向的基础模型，向“agent（智能体）”这样的应用关键词转移之势。

从各家大模型厂商最新卷出的花样中，亦可见一斑。

刚刚，百度智能云就率先露了一手：分分钟，打造一个“面试官”智能体。

这样的能力，来自今天百度智算大会上重磅展示的“百度智能云千帆AppBuilder”，一个可以高效开发AI原生应用的工作台。

只见百度智能云技术委员会主席孙珂一键点击，一个具备人设，自带代码解释器、问答以及文生图能力的Agent就自动创建完成了。

只需要输入“角色指令”，再选一下代码解释器等插件工具，“面试官助手”当场就能上线干活。

具体能做什么？就像这样，直接抛给它一份简历，这个智能体就能根据岗位描述，帮HR划好重点，从5个维度给候选人简历打分并做出评价。

还能进一步提出需求，画出候选人能力雷达图、推荐面试问题也不在话下。

甚至还会自动贴心地帮忙写上保存图片的代码。

没错，打造这样一个智能体，不要3个月，不要3个星期，甚至分钟级就能实现。

如果觉得简单的低代码图形界面还不够定制化，千帆AppBuilder还提供了更“黑科技”的代码形态。

通过各种组件的自由替换组合，程序员们可以按照自身所需，且同样高效地创建大模型应用。

在今天智算大会的现场，孙珂通过几行代码，直接从10份简历中迅速筛选出了最符合JD的候选人。

看这演示，是不是有点意思？我们还探听到，不只是agent，大热的RAG（检索增强生成）、GBI（智能数据分析），都能基于这么一个工作台快速实现。

话不多说，我们当然是第一时间进入千帆AppBuilder官网进行了测试，亲睹为快~

分分钟，AI同事成功上岗

第一轮实测，先来试试用“RAG问答应用”打造一个“新火种小助手”到底难不难。

所谓RAG（检索增强生成），是指将生成模型和检索模块结合起来，让生成式AI能从外部知识源中获取信息，以提升准确性和可靠性的技术。

以打造“新火种小助手”为例，采用RAG框架，我们不需要微调模型，只需要给大模型准备一些新火种内部参考资料，让它能在面对提问时“开卷”作答，大模型就能更准确地回答一些特定领域问题。

实际操作中，点击界面中的“上传知识”按钮，导入任意知识文档（支持.doc，.txt，.docx，.pdf四种格式），就可以创建自己的知识集合了。

在简单投喂了一些新火种智库报告和内部知识文档后，一个RAG应用不到5分钟就创建完成了。我们正式进入测试环节。

需要说明的是，为了验证打造这么一个RAG应用到底能有多“傻瓜式”，本次上传的文档没咋处理过，给人看是啥样，给大模型看就是啥样。

Q1：新火种提名的年度十大科技趋势是什么？

回答得很准确，相比于文心一言4.0基于网络搜索给出的答案，更加详细。

再来进一步问问一些技术细节呢？

面对“3D生成的主流技术分为哪几类”这个问题，分钟级速成的“新火种小助手”给出的答案是酱婶的：

跟通用版大模型对比，在参考了新火种内部的知识文档后，新火种小助手能回答得更有针对性一些。

我们再来加大难度，问问这个小助手一些“百度”不到的问题。

比如，新火种的编辑同学每天早上该怎么看选题？

看着架势，老板再也不用担心我不好好学文档了。

同样，一些提升效率的技巧，速成版“新火种小助手”也妥妥掌握。

这一波测试下来，我只想对这位AI同事说：

在智能体和RAG之外，在百度，BI（商业智能）也已经被大模型重构。现在，全新的GBI（智能数据分析）能力也被放到了AppBuilder上，开启了小范围测试。

简单来说，GBI主打一个“聊天搞定一切”：用任意问题询问任意一张或多张数据表，快速得到结论。

打个比方，老板要求10分钟之内处理海量数据，给出精确的成本估算，甚至要根据分析结果做出决策，该怎么办？当然是交给大模型来算~

具体创建过程跟RAG一样，通过简单的图形化点选就能完成，主要分为三步：数据源接入、选择数据范围、开启智能分析。

接下来，提问测试就完事儿了。即使是复杂问题的洞察分析，也能快速完成。

另外，这个GBI框架还支持专业知识注入和复杂计算逻辑，可以满足更高级的分析需求。

一番测试之后，是不是觉得百度智能云的这个AppBuilder确实有点东西？实际上，我们的实测还只是体验到了其中比较基础的一部分功能。

不难看出，AppBuilder其实是百度把自己开发大模型应用的经验和工具，沉淀成了一个工具完备的工作台。

具体来说，这个工作台主要由两部分组成：应用组件+应用框架。

应用组件，主要是云和AI能力的组件化封装。其中包括：

多模态AI能力组件，覆盖文字、图像、语音等各类AI能力，语音识别、AI作画都可以通过这类组件实现。基于大语言模型的AI能力组件，包含问答对抽取、query改写、nl2sql等大模型能力。基础云能力组件，包含向量数据库、对象存储等传统云服务能力。

应用框架，则面向具体的场景任务，是应用组件的串联组合。目前，百度智能云在AppBuilder里提供了以下几种常用的AI原生应用框架：

就是说，在应用框架里，百度智能云提前把构建agent、RAG这样的AI原生应用所需要的AI、云能力都打包好了。就像我们实际体验的那样，开发者甚至可以一行代码都不写，开箱即用。

除了“快”之外，此前，百度集团执行副总裁、百度智能云事业群总裁沈抖之前还透露，搭建这样一个RAG“助手”，即使需要处理几千篇万字长文档，成本也只需几百块钱；之后用户每次咨询，成本仅为几分钱。

中天钢铁也基于Agent框架，打造了智能化的“企业调度中枢”，实现了任务指令的自动感知、分解和执行。

比如，在发现钢铁产量不达标时，只需提问一次，大模型就可以自动调用平台纳管的各种资源和API，找出未达标原因，及时调整排产计划并发送邮件通知调度人员。

值得一提的是，除了应用框架这样的“低代码态”服务，AppBuilder还为开发者提供了“代码态”服务：提供可编程的全套开发套件，包含调用组件的SDK、开发环境和相关调试工具。

孙珂博士还介绍了这套“低代码态+代码态”开发组合拳中一个值得关注的细节：

低代码套件除了能够让开发者快速地试验应用效果之外，其中的代码解释器模块还能够根据任务需求写代码，这些代码都是直接可获取的。

参考这些代码示例，程序员可以在代码模式下自行开发调试，或者替换成任何自己想要的应用组件。

这就意味着，程序员们可以进行更深层次的AI原生应用开发，把自己的创意更充分地展现出来。

百度卷AI原生应用这事儿，其实早已有迹可循。

百度CEO李彦宏就不止一次发表观点：在基础模型之上，要有千千万万甚至数以百万计的AI原生应用，大模型的价值才能被体现出来。

就如同移动互联网时代的iOS/Android，和杀手级App微信、抖音之间的关系一样，基础模型的最终竞争者可能只有三四个，但在此之上的应用市场，实际上蕴藏着更大的创新空间和潜力。

这样的观点，如今正在行业中激起更广泛的共鸣。

趋势已然显现，但百度作为最早的躬身入局者，也在实践中发现了新的问题：并不是所有应用需求都能通过简单的prompt实现，在大模型与AI原生应用构建之间，存在工程设计、策略设计、定义接口方案、集成等等复杂过程，还需要配合大模型使用语音、翻译、图形等能力和完备的开发环境。

孙珂博士对我们解释说：

而这样的问题，单靠提供大模型的MaaS接口，是远远不够的。

百度智能云千帆AppBuilder，覆盖大模型开发各种应用的常见模式、工具、流程，正是为了弥补这种大模型到AI原生应用构建之间的缺口。

正如孙珂所说，应用组件对于资深开发者而言，像是散装的乐高积木，大家可以凭借自己的想象，把整个场景搭建起来；而应用框架则像是乐高的场景版，面向更多普通开发者、非程序员提供搭建应用的示例，让更多人能使用框架快速地搭建起AI原生应用原型。

基于这样的一整套工具，目前开发AI原生应用面临的效率低、门槛高的问题就有了新的解决方案。

移动互联网时代App市场的爆发，离不开各种技术框架的基础支持，而现在，可以说千帆AppBuilder这样的工作台，也正在为大模型时代的“爆款应用”奠定基础。

大模型话题贯穿全年，但真正的变革风暴才刚刚起了个头。

现在，第一个机会点的舞台已经逐渐成型，新时代的杀手级App可以期待一波了。

p.s. 现在只需要进入百度智能云千帆AppBuilder官网，就可以体验所有的组件与框架了。

— 完 —