隆重介绍 CrewAI Discovery

隆重介绍 Discovery

智能体的瓶颈不在于构建，而在于知道该构建什么以及如何构建。

从构思到原型开发的速度从未如此之快。然而在智能体自动化领域，这导致了大量的概念验证（POC），但生产环境的投资回报率却非常有限。新的突破点在于：明确构建目标并掌握如何将其转化为生产力。这正是目前最关键的差距，且几乎没人涉足。‍

今天，我们发布了 Discovery，这是 CrewAI 内部的一个新引擎，旨在帮助企业弥补这一差距。

正确的切入点

我交谈过的领导者很少以“如何构建智能体”作为切入点。他们的目标是：以真正改变组织运作方式的方式，将 AI 智能体的真实价值投入生产。问题始终在于：目标该瞄准哪里。

我见识过瞄准错误的后果。大多数停滞的智能体项目并不是因为技术崩溃而失败，而是因为应用场景与企业真正需求不匹配。智能体本身运作良好，但没有人使用它。我在多家公司目睹了这一过程，这是该领域最令人沮丧的失败模式，因为它完全是可以避免的。

获得成功的关键在于找到三者的交集：业务最关心的价值、您现有工具和数据所能支撑的能力、以及基于真实数据而非直觉所证实可行的方法。

Discovery 能够帮助企业以前所未有的方式精准锁定这一交集。‍

现状如何

企业通常在内部运行此流程或引入外部合作伙伴。无论哪种方式，通常都意味着数周的利益相关者访谈、团队跨区域奔波以及堆积如山的报告。产出通常是有用的，例如一份经过优先级排序且带有 ROI 估算的应用场景列表。但那只是一个快照。它在宏观层面起作用，却无法渗透到各个部门和具体的业务需求中。

这就像是一张从极远之处拍摄的照片。

我们采取了不同的方法。在我们的平台处理了数十亿次智能体执行后，我们对哪些智能体模式能在生产环境中真正发挥作用（跨行业、流程类型及不同复杂程度）有了深刻的理解。我们利用这种理解构建了 Discovery。

工作原理

‍在引擎盖下，Discovery 会根据我们的生产数据运行多信号匹配、队列分析和结构模式识别。您只需告诉我们您的业务情况，几分钟后，您就能看到一系列为您公司量身定制的应用场景。这不是通用的模板，而是基于我们已知有效的方法重构的真实业务流程。

每一个建议都展示了自动化功能的具体作用、预期影响、复杂度以及它如何在您的组织中运作。这些都是与已成功运行的模式相匹配的建议。

您还可以连接自己的数据源、内部文档、知识库和现有系统，以便 Discovery 在分析外部信号的同时，能结合您的内部背景开展工作。

当我在一家 600 亿美元规模的全球企业向业务领导者演示时，他们的第一反应让我有些意外：“是谁告诉你的？”

“这正是我们需要的东西。它实际上让我们重新思考了已经在进行的其他项目，你们描述这些场景的方式改变了我们对整个路线图的看法。”‍

我们有客户每天多次运行 Discovery，并将其应用于不同的业务单元。它正逐渐成为他们规划和迭代 AI 路线图的一部分。

早期用户的效果显而易见。更多的自动化项目得以构建。公司内部的采用率更高。当人们能够看清构建目标、了解构建方法，并确信建议是基于证据时，他们构建的速度会更快、质量更高。‍

“构建什么”和“如何构建”是当下最重要的问题。Discovery 解决了这个问题。它不是要取代您制定 AI 战略的工作，而是通过实证支持使其更加稳健，并让组织内的每个团队——而不仅仅是有预算和排期手动执行的人——都能从中受益。

Discovery 现已对所有 CrewAI 用户开放。