AI 系列课程第一季 ——《Easy Data x AI》完整课程内容传送门
大家好，我们今天更新了 Easy Data x AI 课程中“道篇”的第一讲 —— AI Agent 场景识别。
我们想通过这期课程，帮助 AI 爱好者建立“这个想法 / 需求是否适合通过 Agent 来做”的判断能力。比“怎么做 Agent”更重要的是“值不值得做”。
欢迎大家点击上方链接，学习完整课程内容~
从这节课开始，“道篇”和“术篇”分开。“道篇”的每一节课回答一个你在实际工作中会遇到的真实问题——不是教技术细节，而是帮你建立判断力。
AI 需求立项前，必问这 3 个问题
上节课我们聊了 Agent 的核心架构：
LLM 是大脑，外挂 RAG + Memory + Skill + MCP
这节课，换一个角度——
什么场景该用 Agent，什么场景根本不该用？
往下看 
先排除：这 3 类需求不需要 Agent
固定 FAQ → 搜索框够用，Agent 还会幻觉
快查数字 → 一条 SQL + BI 看板
精确计算 → 一行代码，又快又准
硬上 Agent = 更慢·更贵·更难维护
立项评估：3 个维度
· 数据可得性 ★：列 10 个问题找答案数据，超过一半找不到 → 先建数据，别上 Agent
· 任务可定义性：说不清"做对了"的标准 → 上线后你也不知道哪里不好用
· Agent vs Workflow：第一次做 AI 项目 → 先 Workflow 验证价值，再逐步加自主性
Agent 最擅长的 3 类问题
意图模糊：用户说不清要什么，需要 AI 拆解组合
工具调用：不只是说话，还要动手执行多步任务
多轮交互：逐步理解真实需求，越聊越懂你
命中 2 条以上 → 值得做成 Agent
最重要的一句话
90% 的 Agent 失败，不是模型不行
是立项时没人问：数据在哪？
