The platform for modern teams · Case study 2024
UltraTalk — 企业级
全场景 AI Agent 构建平台
类 Dify 的一站式 RAG 与工作流平台，旨在打破企业私有数据孤岛，让业务团队用低代码方式把知识库、模型、工具编排成可上线的 AI Agent。
智能体配置详情页面
CHAPTER 01
产品概览与业务痛点
Positioning & core capabilities
产品定位
一站式 RAG 与 Agentic Workflow 平台， 类似 Dify 的低代码 AI 中间件。目标：打破企业私有数据孤岛，把 AI 应用开发从"模型调参"下沉到"业务编排"。
业务痛点
Problems
- 常见问题重复回答：占用大量人力。
- 客服知识更新慢：新产品 / 政策发布后，回答不统一。
- 服务时段空缺：夜间和节假日无人值守。
- IT 响应慢：无法快速上线一个智能客服机器人。
Solutions
- 开箱即用的 RAG：免去从零选型、部署、调试等重复性工作。
- 统一 LLM 网关：统一管理和调度多个异构的大模型服务。
- MCP 协议接入：无需逐个开发，即可连接 ERP、OA 等内部系统。
- 私有化一键部署：降低运维复杂度，资源可视化监控。
核心功能清单
CHAPTER 02
迭代中遇到的挑战
如何提升解析效果与性能
1.PDF中精准提取表格与数据 2.混合检索召回 Top-50 → Rerank模型重新打分排序 → 截取真正的 Top-K 交给LLM 3.允许业务端传入参数动态覆盖默认的Top-K和阈值 4.测试高并发下的 QPS和响应延迟(Latency)
如何用好可视化工作流编排？
1.阶段式接入节点功能，从简单节点到复杂节点 2.业务与模型能力解耦，数据查询、运算通过函数比大模型更靠谱 3.重视测试重视测试集，形成早期Skill的雏形
如何对Agent进行评估，提升Agent回答的准确率？
1.在客户真实业务场景小范围验证 2.接受模型能力准确率与成本之间的平衡 3.定制开发MCP server，做好产品之外的服务部分
如何与企业现有系统打通？
1.使用结构化的JSON数据来传递业务数据 2.使用API将模型能力嵌入已有工具 3.通过RBAC实现模型权限、数据集、API Key精细化权限管理
CHAPTER 03
产品里程碑
一阶段：MVP 功能
基础的 Agent 对话能力 核心 RAG 流程 LLM 模型接入
二阶段：可视化工作流
知识库管理 工作流画布等功能 API 发布渠道
三阶段：为 PoC 准备
私有化部署 统一权限管理 MCP Server 开发与接入 通用 Agent 构建
SMART 成就
SMART 成就
独立负责产品设计，覆盖从需求到验收的全流程。
PROTOTYPE
知识库检索模式-原型图
围绕召回策略、混合检索、Rerank 重排与 Top-K 截取流程整理的一页式检索模式原型。
知识库检索模式 · 原型图
PROTOTYPE
可视化工作流编排Chatflow-原型图
Chatflow：包含节点、变量、编排流程与执行路径的可视化流程编排功能
可视化工作流 · 原型图
PROTOTYPE
POC 客服语料测试集
海外电商客户业务场景的语料测试集，覆盖真实的业务问题和标准回复，用于Poc阶段的效果评估，LLM回复准备率评测
客服语料测试集部分内容
PROTOTYPE
开发中的Bug问题追踪
上线前的功能问题测试集，记录每个版本覆盖的bug与对应的回归测试用例
开发中的Bug问题追踪