众多企业已将大型模型应用于日常业务之中，然而他们发现这些模型仅具备回答问题的能力，缺乏自主执行任务的实践能力。在面对系统更替、业务复杂性提升、任务量增多、数据快速更新等挑战时，这些模型显得应对不力，导致IT团队需投入大量时间和精力调整脚本以适应变化。
方案旨在将大型模型进一步升级为能够自主工作的智能实体。该方案使模型学习融入企业的数据和流程，赋予其理解并执行特定任务的能力。完成任务后，模型会将结果反馈至系统，并借此机会记录所获经验。当遇到类似任务时，模型能够直接调用以往经验，从而提高工作效率，避免重复从头开始的工作流程。我们的目标是将这些模型打造成企业的得力助手，如同经验丰富的老员工一样，随着经验的积累，工作效率越来越高，人力成本越来越低。该方案首先关注如何将大模型转化为智能体。随后，探讨如何管理和协调多个智能体协同工作。我们采用双重循环机制，一个循环负责管理任务计划，另一个循环负责执行具体任务。多个智能体之间通过类似CEO、程序员和测试员之间的对话方式进行工作协调与任务分配。他们通过内部通讯交流工作进度，共享和更新彼此的经验和捷径。这些经验被整理成高效的流程脚本，存储于智能体的共享记忆中，以便在新任务中直接复用。最后，我们利用一个有向图来管理和组织上千个智能体的运行顺序和工作流程，确保每个智能体都能在恰当的时机发挥作用，系统的性能随着智能体的协同工作而增强，直至满足业务需求为止。
