我对于我当下项目里头传统的企业规划工作流程, 界面, 侧重于 Excel 的操作以及报表, 感到存在一些烦闷, 因而着手尝试在咱们的 SAP 规划数据之上搭建智能体 AI。开始的时候, 我仅仅是打算搭建一个小型的平台, 这个平台能够进行动态的数据查询, 说不定还可以创建仪表板、模拟、异常检测以及类似的功能, 而且不需要完全依靠静态报表。历经许多个周末以及工作日深夜的奋力付出, 它逐渐演变成了下面这个被称作SONA的应用程序。构建前端时运用 React , 后端主要运用。这个名字, 着实源自《星际迷航》。事实上, 说来实话, 《星际迷航》兴许具备足够数量多的种族、星球以及飞船名称, 能够为 AI 产品取名给予支撑持续许多年。在我们深入去了解SONA之前, 我觉得有进行解释的必要, 解释为何更大规模的业务场景所需的并非仅仅只是一个简单的、基于提示的AI设置。在你们数目不少的那些人里, 想必极有可能达成了一些有关 LLM 的测验。而这些测验达成之后, 甚至还出现了能够运行起来的脚本。或许存在着这样一个, 是和 SAP 展开对话交流的聊天机器人。又也许存在着另外一个, 是用来汇总内容的中间件。response client.messages.create( modelclaude-4.6-sonnet, messages[{role: user, content: Explain what agentic AI is in one sentence}], max_tokens100 )尽管上边的代码能够运行, 然而它终归仅仅是一个径直的大语言模型调用, 全然依赖人工智能响应自身, 不存在编排、记忆、验证或者执行控制。它看上去蛮有意思, 然而说实话, 针对更为庞大的业务情形来讲仅靠这一点是不充足的, AI不应当仅仅是回应诸如此类的简易问题:至 2025 年时, 我的全部运营支出究竟是多少呢, 要按照实体以及区域的级别来进行呈现。实际上这正是促使我开始构建这个应用的问题之一 :D不过呢, 问题往往是在场景变得越发复杂之际才开始冒头的。尤其是当计算依赖于先前得出的输出时, 当多个工具需要共同协作之时, 以及当结果必须维持一致且具备可审计性的时候。当今时代的 AI 产品, 并非决然仅只是与连接到 API 调用的提示这一情况相关连。它们正逐步演变成基于智能体的系统, 其中智能体系统类似于我们借助微服务去开展 Web 应用那般, 该系统具备能够理解目标的能力, 拥有规划步骤的本事, 会运用工具, 可记住上下文, 并且在解决问题之际能够进行适应性调整。这就是我开始更认真地探索规划与执行模式的地方。AI并非直接生成一个最终答案, 而是先去尝试理解请求, 那之后把它划分成更小的任务, 接着决定每一步应该运用哪些工具。而后实际的执行借助SQL , 或者借助内部业务逻辑来予以完成。如下所示比如说, 有一个看上去简简单单的预算削减模拟请求, 于幕后事实上或许要好多依赖任务, 涵盖 SQL 聚合, 还有转换步骤, 以及 KPI 计算, 并且包括图表生成, 最后还有对结果的 AI 解读。不会分享规划数据的我, 加载了来自的样本公开数据集, 该数据集显示了睡眠与游戏对学业表现的影响, 数据由SAP流向Azure Blob, 最终导入SONA, 有吗, 最后一句话有标点符号吗, 不太确定。把数据加载进系统后, 你能够径直在数据集窗口那儿查询数据集, 提出问题, 进而创建仪表板。这里有一个重要步骤, 是数据增强, AI运用内部构建的SQL工具, 去帮助分类列, 与此同时, 为度量规定数据类型、描述以及聚合类型, 基本上而言, 它会助力定义每一列, 还有其数据类型、描述, 甚至度量的聚合类型。所以, 在我抛出下述问题之际, 在需要经由SQL去读取资料, 运用其从事数据转换, 依靠为此特定目标而设计的内部代理来构建图表以及KPI指标的这些步骤之后的末尾, 还要生成AI洞悉状况。基本上, AI一直都是流程的一部分, 不过更多的是充当规划者以及编排者, 而并非直接的执行者。AI 规划。系统执行。以下是问题和编排引擎创建的任务。以及聊天中的一些结果正如你所见到的那般, 它并非仅仅是去创建纯文本, 其输出是由丰富的表格予以支持的, 是由图表予以支持的, 是由KPI指标予以支持的, 是由建议予以支持的, 亦是由AI洞察予以支持的, 并且每个部分都有着专为此等目的而设计的内部代理之存在。数据经由 SQL 引擎来进行查询, 并且借助层予以处理。内部可视化代理依照需求去生成图表, 以及输出 KPI。所以, 它并非单纯地把整个数据集传送给 AI, 进而获取结果。系统目前能回答什么当下, 系统能够借助包含 SQL 以及 AI 洞察等在内的若干层面, 去回应如下问题:寻找出哪些公司属于超支公司, 接着算出这些超支公司的全部超额支出金额, 再针对此超额支出金额实施百分之十五的削减操作, 之后查看支出不足的所有公司, 其总的未使用预算能不能够将削减百分之十五后剩余的百分之八十五超额支出覆盖住, 接下来给出一个简单的, 关于支出不足的公司在百分之十五削减后能不能够完全吸纳剩余超支的是或者否的答案。与你的数据进行对话是可行的, 我增设了一个开发工作室, 在这个工作室之中, 你能够编写代码, 针对数据集直接予以转换, 展开统计计算, 进行趋势分析, 或者基本上做任何能够实行的事情, 完全不需要返回并对源作出更改, 你还能够让AI代替你来编写代码。在这里做出来的输出, 能够当作仪表板页面的输入, 你能够在下面瞧见。这是 SQL 编辑器你可以查询每个数据集或报表这是数据模型你可以根据选择连接多个模型、过滤、计算。现实里, 应用当中当下存有诸多的功能, 它们中的多数皆是在周末起始于“行吧, 再增添一个功能”, 而后渐渐变得相较于我起初预想的简单 POC 更为错综复杂: D。应用市场, 其作用是激活应用, 同时, 代理构建器, 它用于创建你自己的代理、作业、警报、管道、提取监控、数据血缘、语义层、授权以及许多其他组件, 随着时间慢慢推移, 它们会成为平台的一部分。走到这个时期, 它已不再是那种单纯的人工智能演示或者概念验证了。它 而成一个彻底能够使用的从一端到另一端的分析以及编排平的台, 你能够载入你的数据并且马上着手进行分析。下一步是什么当下, 我打算进一步拓展至预算模拟, 进行异常检测, 给出基于数据集结构的趋势规划建议开展应用内协作讨论, 实施规划场景的共享调查, 推进工作流驱动的审批, 就连在验证与模拟完结之后, 还要受控地回写到 SAP。原文链接在 SAP 数据上构建企业智能体 - 汇智网