各位垂直行业IT人员、业务分析师、数字化转型负责的同行朋友们，大家好。

在数字化浪潮席卷的今天，我们的工作方式正在经历一场深刻的革命。如何利用前沿的AI技术，构建自己的自动化AI Agent，让智能体7x24小时为我们工作，是当前的趋势。

本次，我给大家带来《走出对话框，迎接工作流——AI Agent赋能桌面自动化》的一个系列分享。

 

在正式分享之前，我们先看一下网上最近热议的几个话题：

“AI Agent将我们从重复劳动中解放出来，已经是一个必答题”。

“AI Agent，不是你要不要的问题，而是你要1个还是100个问题”

“如果AI Agent能用起来，1人公司，将是未来一个很大的风口”等等

这些观点，你同意吗？

为什么要提到以上观点呢？

因为优秀的公司，观点领先，当优秀的公司已经想清楚干起来的时候，落后的公司才缓过神来跟着干，这时候你只能给别人抬轿子，当你一身疲惫时，优秀的公司已经获得丰厚的回报。

 

 

本次分享分五个章节，我会从需求痛点、两条路线对比、五个代码模块、统一调度、未来发展等方面进行讲解。所有代码、实操截图、运行日志全部来自真实业务环境，具备直接复用、二次开发的落地价值。

具体而言：

首先，我们会探讨行业痛点和突破之道

目前的行业痛点是什么呢？

我们将从如何入手、AI应用阶段、桌面重复操作、传统接口对接等方面进行分析。

“没有调查，就没有发言权”，需求调研、痛点分析，这是我们首先要做的。然后综合考虑，进而精确定位自己想干什么，以及如何突破。

接着，我们会进行两条路线的对比。

凡事都有好的一面，也有不好的一面，都有主要的，也有次要的。

对于本AI Agent而言，也有两条路线的选择，一条是Python代码，一条是低代码路线，我们该选择哪一条路线呢？

在两条路线对比中，我们将对此进行分析和选择。

然后，我们会通过一个实战案例，展示如何从零开始构建一个Agent。

理论总是先行的，没有科学合理的理论，就开始实践，可能会导致一个失败的结果，所以我们分析了AI Agent、也弄清楚了路线，接下来分享一个实战案例：让AI Agent启动本地程序、操控程序导出数据、合并数据、分析数据、打开网页使用DeepSeek等五个功能实践，实现理论的落地。

当然，也不是理论非常细化了再开始实践，我认为理论大方向正确、但不是很具体的时候，就可以实践了。

 实战案例是本次分享的重点，占的篇幅也最大。

之后，我们会讨论如何让Agent变得更“聪明”。

做完了前面提到的五个功能单独实践，我们要对这五个模块进行封装，根据实际情况进行编排，让其自动化调度、工作。

这五个功能，不是线性关系，有的时候可能不需要哪一步，或者有时候需要并行执行，比如程序已经启动，那就不需要执行启动这个功能了，如果数据已经合并过，那就不需要在合并了等等。

封装可以用原生python自己搞，更好的办法是用lang chanin。推荐采用lang chanin封装，因为他已经提供了一些方便的、功能的组件，比如异常管理、日志记录、流程编排等。

最后，我们会一起展望AI Agent的广阔未来。

目前，AI Agent很好的接过了生成式AI的接力棒，说明AI的需求是实实在在存在的。

如果说2025年是生成式人工智能爆发的一年，2026年是AI Agent爆发的一年，那2027年呢？

我认为2027年AI会从通用向垂直化迈进，机器人、自动驾驶、太空算力方向很有可能爆发。

今天，我们进行了《走出对话框，迎接工作流——AI Agent赋能桌面自动化》总体的分享，接下来几天，我们将分章节，进行垂直细化分享。 

我是赵哥，讲方案、聊观点，欢迎评论转发！