Dify构建全AI雇员的BPO公司示例，揭示AI Native公司的创建方法

大模型能力越来越强，也越来越被大众熟知，新一轮的“淘金热”已经拉开序幕。可以预见，新的应用场景会不断涌现。有意思的是，这次的开发范式跟移动互联网时代和AI 1.0时代完全不同——基于平台的开发方式成了主流。为什么？原因其实很直接：大模型应用开发天然需要与模型交互、管理上下文、集成外部工具，这些都不是传统编程能够简单复用的。正是这种趋势，催生了大量开发者开始尝试Coze、Dify这类低代码LLM开发平台，去实现自己的AI创意。无论有没有编程经验，这些工具都能帮他们一步步完成Bot的开发，门槛比以往低得多。

在Coze上，已经涌现上万个Bot，覆盖各个领域。更重要的是，这类应用不再是过去那种功能割裂的独立APP，而是朝着“闭环完成一个需求”的方向演进。拿“一分钟建站”来说，通过简单对话就能一气呵成完成需求定义、开发和部署全过程。这种产品开发模式，值得每个开发者和创业者认真关注。

如果说AI原生产品应该关注的是如何端到端满足用户需求，让交互体验尽可能自然，减少信息和思维过载，那么AI原生公司则应该关注Agent能否全链路支撑公司业务SOP，最大程度突破人对业务规模和效率的制约。从这个角度看，最值得尝试的领域就是对人力成本高度敏感的BPO（商务流程外包）业务——谁的成本更低，谁就能在竞争中获得巨大优势。

下面是一个概念性设计，来自Aniket Hingane的文章[1]，展示了如何借助AI Agent完成客户服务、技术支持、计费与支付、停机管理、客户入职等典型业务过程。

整个流程是在Dify中构建的，实现思路清晰自然。该公司由不同角色的Agent构成：Receptionist Agent、Customer Service Agent、Billing and Payment Agent、Electric Connection and Disconnection Agent、Outage Management Agent、Tech Support Agent。每个Agent负责领域内的相关工作，比如Receptionist Agent负责将用户问题分类后分发给指定Agent，替代传统的人工派单流程。

为了让每个专业Agent高效完成任务，需要构建知识库，让Agent能够获取相关领域知识和流程内容。更进一步，还可以构建标准工作流，固化每个角色的工作行为（原设计中尚未实现这部分）。

以上步骤相当于搭建了一个专业部门，接下来需要给这个部门“招收员工”——核心就是定义Agent的行为和能力。

经过这几步构建，一个由不同角色Agent员工组成的AI原生公司便初具雏形。下面展示的是实际运行效果：

利用Dify的能力，还可以对任务执行链路进行分析，清晰看到任务分发的具体细节。

该案例可以直接在Coze上复现，原作者提供了知识库素材供参考。通过这个示例可以看出，构建一个标准BPO业务流程并不复杂。持续迭代下去，业务运营效率和成本结构将对传统公司形成降维打击。当然，从全人工到全AI，这将是一个长期演进的过程。

参考：
[1] https://ai.plainenglish.io/how-i-built-a-simple-bpo-company-all-ai-employees-all-local-631e48fa908a