AI Agent 产品设计：从需求分析到企业落地的全流程实践
为什么写这篇文章
在径硕网络科技（上海）有限公司担任 AI 产品实习生的 8 个月里，我深度参与了三个不同方向的 AI Agent 项目：面向海外客户的售前获客 Agent、面向内部员工效率提升的 AI 工具、以及面向海外 B2B 市场的营销 SaaS 平台。这篇文章是我对这段经历的总结与思考。
项目一：药明生物官网智能获客 SDR Agent
项目背景
药明生物作为全球领先的生物药 CDMO 企业，海外客户咨询存在时差问题，人工响应效率不足。我们的目标是为企业官网搭建 AI 销售助手，提升售前咨询处理效率，并辅助销售团队获取潜在线索。
我的工作
这个项目让我完整经历了 AI Agent 从 0 到 1 的全过程：
- 需求分析：与业务团队沟通客户咨询场景，分析海外用户访问、产品咨询、客户留资等业务流程
- 方案设计：拆解售前咨询、产品介绍、问题回答、客户信息收集等核心业务链路
- 工作流搭建：完成知识库建设、Prompt 设计、流程配置以及智能回复效果测试
- 知识库优化：对企业产品资料进行结构化整理，优化知识库内容组织方式
- 上线跟踪：跟踪用户交互数据，分析 Agent 使用效果，提出后续优化方向
关键收获
这个项目最大的收获是理解了 AI Agent 不是简单的问答机器人，而是需要深入理解业务流程、设计合理的工作流、持续优化知识库的完整产品。Prompt Engineering 和 RAG 知识库方案设计是 Agent 效果的核心。
项目二：OpenClaw 企业内部 AI 效率工具
项目背景
企业内部数据库、Git、K8s 等系统信息分散，业务人员获取数据依赖研发支持，严重影响信息查询效率。我们通过企业微信作为统一入口，引入 AI 能力提升内部信息获取效率。
我的工作
- 调研产品、运营、研发团队的信息查询需求，分析内部数据获取流程中的效率瓶颈
- 设计企业微信 AI 助手产品方案，规划自然语言查询、数据获取、自动化处理等核心功能
- 设计 AI Agent 与企业内部系统连接方案，实现数据库、Git、K8s 等数据源接入
- 设计并实现 Git 提交统计、开发数据查询、部门周报生成等 AI 自动化能力
关键收获
这个项目让我深入理解了 企业 AI 应用的系统集成挑战。将 AI Agent 与数据库、Git、Kubernetes 等系统打通，不仅需要产品思维，还需要对技术架构有足够理解。软件工程背景在这个项目中发挥了巨大作用。
项目三：海外 inrepli 营销 Agent 平台
项目背景
参与海外 B2B 营销 SaaS 平台 AI Agent 产品建设，了解海外企业客户营销自动化场景。
我的工作
- 分析海外企业营销场景中的用户需求
- 参与 AI Agent 功能设计和产品流程优化
- 参与 SaaS 产品功能规划，结合用户使用流程优化 AI 能力应用场景
- 协助分析用户交互反馈，为产品迭代提供优化方向
关键收获
这个项目拓宽了我的视野，让我了解到 海外 SaaS 市场的 AI 应用场景与国内市场的差异。B2B 营销自动化对 AI Agent 的要求更侧重于流程自动化和数据驱动决策。
总结：AI Agent 产品设计师的核心能力
通过这三个项目，我总结出 AI Agent 产品设计师需要的三个核心能力维度：
- AI 产品能力：用户需求分析、业务流程梳理、Agent Workflow 设计、产品方案文档输出
- 大模型应用能力：LLM 应用落地、RAG 知识库方案设计、Prompt Engineering、AI 效果测试与优化
- 企业 AI 应用能力：企业系统数据接入、系统集成（数据库/Git/K8s）、企业微信 AI 应用开发
软件工程背景是我区别于纯产品方向同事的核心优势——它让我能够理解技术可行性，与研发团队高效沟通，并在系统架构层面做出合理的产品决策。