对话易点天下：Agent与过去有本质区别，安全风险不在于模型微调，而在于模型选择

过去几年，生成式AI技术发展突飞猛进，对于出海企业而言，最大的挑战不是流量更贵了，而是增长的底层逻辑变了。一个现实问题是，出海营销行业正经历着从人力密集型向AI驱动型的深刻转变。

作为一家营销科技公司，易点天下帮出海企业核心提供两件事情：一是全球化品牌出海，从曝光到转化实现一站式海外营销；二是依托算法和数据，为广告主实现广告投放智能化。

伴随全球化复杂性的指数级增长，品牌获客成本持续攀升，目标广告支出回报率逐年下降，传统的加预算或堆人力的模式已经失效。此外，智能决策也出现了断层，尽管平台上每天都在回传大量数据，拥有数据的体量却无法转化为实时决策。

易点天下首席算法科学家Ady Zhao与笔者交流中表示，Agent技术发展和成熟，与过去已经有了本质区别，过去的Agent是问答模式，现在的Agent真正意义上能感知、自主规划、自主决策和执行，实现端到端闭环。Agent不仅是一个辅助和执行的工具，而是开始有能力接管从洞察到执行的整条链路。也就是说，人的角色正从操作者变成决策者。

据悉，易点天下从GPT时代就开始布局AI，围绕整条营销链路构建了一整套营销产品矩阵及解决方案，可实现智能洞察、创意生成、自动投放、数据归因的全链路营销AI自动化闭环。

从大模型到Agent，以AI中台流转

AI大模型技术在各行业逐步渗透，其落地的效果及可复制性一直备受关注。

易点天下首席产品官Aodi Zhang指出，AI在营销广告领域的落地最大挑战在于，大模型生成的内容并不能代表效果。也就是说，AI可使得广告素材快速生成，但并不能确保投放效果就好。

为此，易点天下做了两方面工作：一是系统性工程，结合原有的数据中台快速查看效果，筛选出优质素材，实现大规模生产并大规模投放；二是针对垂直场景，通过微调或编排手段，构建垂直模型，例如一键生成效果素材。

“由于当前模型是点状的，未结合业务。在营销过程中，还需要根据每个生成内容最终的ROI或客户生命周期价值（LTV）等衰减数据给到决策Agent，判断优劣、调整策略、分配预算。这是一个系统工程，是传统营销与AI结合的产品形态。”Aodi Zhang表示。

这也让易点天下选择搭建企业级AI智能体开发平台EC-Agent，以便一次性接入市面上主流大模型厂商的模型。通过测评判断营销行业不同环节适合的不同AI模型。同时，在前端搭建Agent调度不同任务，并通过EC-Agent来协调使用不同工具。其具体思路是，以场景和业务单元来构建多个Agent，可以虚拟出产品经理、研发和设计师等角色。通过测试标准化动作，针对复用问题，评估哪些是基座能力，哪些是个性化能力，如基于经验的个性化内容，以业务为单元进行抽象；然后将Agent融入到EC-Agent，目前EC-Agent已运行超过200多个Agent；在此基础之上，构建应用层，通过持续积累垂类模型和小Agent，将其封装成产品。

据悉，易点天下主要基于亚马逊云科技的Agentic AI技术搭建了上述EC-Agent，包括使用Amazon Bedrock AgentCore等服务、开源Agent开发框架Strands Agents、Amazon Bedrock知识库、Amazon Nova模型等，用于支持内部各业务部门的AI相关需求以及创新业务探索，赋能内部业务效率提升，加速创新AI应用落地与实践。

在业务运营方面，EC-Agent实现了广告的全周期管理，由市场研究到人群画像推理、由广告素材创意生成到智能投放策略优化，实现对广告链路的深度优化。数据显示，基于该平台，客户可将广告上线过程从5天缩短至2小时，自动化程度达80%。

智能投放方面，过去，广告投放环节的预算分配、竞价调整、素材更换，都依赖优化师的经验，现在通过构建Agent智能投放系统，人类从操作者变成决策者与策略制定者，之前一个优化师可能只能管理30个Campaign，现在可以扩展到300个甚至更多，效果反而比之前更好。目前客户可通过AI优化减少15-20%的广告浪费，决策响应从小时级优化到分钟级。

在内部效率方面，EC-Agent不仅可为运营、运维、商务等部门提供专属Agent，还面向全员工提供OA Agent，可使员工专注于更具创造性的业务场景，并推动组织运营效率的跨越式增长。

如果说EC-Agent就是“造车的工厂”，那AI Drive 2.0是交付给客户的“成品车”。目前易点天下基于EC-Agent实现了新一代数智营销解决方案AI Drive 2.0，并构建FunsData、KreadoAI、CyberGrow、AdsGo.ai、Cycor等AI产品矩阵，以调度多个Agent能力。

给Agent权力框定边界

Agent能力正不断深入企业市场，尤其是当下本地部署龙虾（OpenClaw）的爆火，更让安全性风险问题进一步显性化。

例如，AI本身的幻觉、提示注入攻击、AI调度的开源skills工具等带来的风险问题，在Agent的应用中可能会被进一步放大。而Agent自主决策的风险，无论是被恶意攻击者利用还是其本身的完备性和能力，带来的是无法防控、不可预测的风险。

Aodi Zhang指出，“我认为最大的风险不在于模型微调，而在于模型选择。我们会根据数据分级，例如处理财务、客户合同等敏感数据时，会采用私有化部署的模型。在Agent调度方面，核心在于我们为其提供什么工具。”

为此，易点天下构建的EC-Agent，包括Skill等工具都有白名单机制，每一款工具都需经过IT和安全团队审核。即使Agent出现调用错误，也处于服务范围内。对于调用的准确性，它既可能基于SOP Workflow中的编排，也可能通过Agent自身的智能实现，最终以业务效果衡量。

Ady Zhao则指出，核心业务场景要落地，关键是怎么让它可控。其做法分三步：

• 一是将业务经验沉淀为知识库，让模型具备领域内的专业认知，不是通用大模型直接上，而是先让它“懂行”；
• 二是装上工具。通过API、MCP Server、Skill等方式，把数据查询、分析计算这些能力以工具形式提供给Agent，让它能获取实时业务数据、执行具体操作。工具决定了Agent能做什么，也框定了它的行为边界——给它能力的同时也给它约束；
• 三是用业务数据微调模型。在预算分配这类核心场景，用海量投放数据做模型微调，让它的判断不是基于通用知识，而是基于其行业内的真实经验。这一步是效果从“能用”到“好用”的关键。

在Ady Zhao看来，技术突破打开了天花板，但真正让AI进入核心业务的，是“模型能力+业务知识+工具约束+数据微调”这一整套工程化的落地方法。光有好模型不够，得知道怎么把它用对、用稳、用在刀刃上。（作者 | 杨丽，编辑 | 盖虹达）