做了多年 .NET 和企业业务系统开发近两年我开始把更多精力放在 AI 应用开发上。刚接触大模型时我也和很多开发者一样首先想到的是接入一个大模型 API做一个聊天窗口让用户可以提问、总结和生成内容。但随着实际开发不断深入我发现一个问题企业真正需要的往往不只是一个能聊天的 AI而是一个能够理解任务、调用工具、使用企业知识并协助完成具体工作的 AI 助手。于是我开始尝试开发自己的 AI Agent 应用平台——TaskWeave。这篇文章不打算介绍大模型的基础概念而是从一个实际开发者的角度聊聊我为什么做这个平台以及在技术和产品设计上做了哪些探索。一、为什么不满足于做一个聊天机器人传统聊天机器人最核心的交互方式是用户提出问题 → 模型生成回答 → 用户继续提问。这种方式适合知识咨询、内容生成等场景但在企业实际工作中经常还需要更多能力。例如用户需要根据多份材料起草一份正式报告。用户需要从企业内部文档中查找制度依据并追溯原文出处。用户需要把一段会议录音整理成会议纪要并提取待办事项。用户希望 AI 调用业务工具协助完成某项流程任务。用户需要结合业务数据进行分析而不只是得到一段文字回答。这些需求背后有一个共同点AI 不仅要回答问题还需要围绕任务组织上下文、使用工具并把结果交付给用户。这也是我开始开发 TaskWeave 的主要原因。二、TaskWeave从对话入口走向任务工作台TaskWeave 是我个人持续研发的 AI Agent 应用平台使用 .NET、Vue 等技术构建应用能力并逐步探索大模型、知识库、工具调用和工作流之间的协作方式。我希望它不只是一个聊天页面而是能承载不同工作任务的统一入口。目前我重点探索以下几个方向。1. AI Agent让模型具备执行任务的能力在实际应用中不同任务需要不同的提示词、工具和知识来源。因此平台需要围绕智能体组织模型配置、工具调用、技能能力以及上下文而不是简单地把所有业务逻辑堆进一个聊天接口。例如一个企业知识助手可能需要检索内部文档一个材料写作助手可能需要参考用户提供的文件一个数据分析助手则可能需要调用数据查询工具。这些能力需要根据具体任务进行组合。2. 企业知识库 RAG回答问题也要能够追溯依据企业知识库是我持续投入的另一个方向。普通问答只返回一段答案企业场景还会关心答案来自哪份文件引用的是文件中的哪一部分检索结果是否与问题真正相关文件是否过期元数据是否准确当答案不准确时应该如何定位问题因此知识库建设不能只停留在文档切片和向量检索还需要考虑文件解析、元数据管理、检索效果验证和引用溯源。我希望通过这些环节让知识问答更适合企业内部的知识管理场景。3. 材料写作工作台把生成内容变成可编辑的成果在办公场景中用户往往不是简单地输入一句话就能得到最终文稿。以正式材料写作为例更合理的过程可能是选择文稿类型 → 提供参考材料 → 生成提纲 → 确认提纲 → 分段撰写 → 修改润色 → 导出文稿。这种设计把写作任务拆成多个可确认的步骤让用户能够参与大纲调整、内容修改和结果校对而不是完全依赖一次性生成。4. 会议助手从语音转写走向会议成果会议场景同样如此。语音转写只是第一步后续还需要考虑时间戳、说话人区分、会议摘要、行动项、责任人和完成时限。我也在探索离线语音识别、多语种识别与会议工作流的结合希望逐步把语音数据转化为可整理、可追踪的会议成果。5. Skill、MCP 与 Workflow让能力能够组合复用如果每增加一种任务都需要重新开发一套完整逻辑平台很难持续扩展。因此我也在探索将可复用能力封装为 Skill通过 MCP 等机制连接外部工具并结合 Workflow 组织多步骤任务。这里需要解决的不只是调用接口还包括权限、凭证、执行状态、异常处理以及结果展示等工程问题。三、技术选型为什么继续使用 .NET Vue我长期从事企业业务系统开发因此在构建 AI 应用时仍然希望发挥熟悉技术栈的优势。后端方面.NET 适合承载业务接口、权限体系、任务调度和系统集成等能力。企业 AI 应用并不是只有模型调用还涉及用户身份、业务数据、文件处理、外部接口和运行日志。成熟的后端工程能力依然很重要。前端方面Vue 适合构建工作台、配置页面和任务交互界面。AI 应用的界面也不应该局限于聊天气泡。不同任务可能需要文稿编辑器、文件列表、引用面板、执行状态、数据表格等不同交互组件。在架构设计上我更关注以下几个问题模型接入能否统一管理避免业务逻辑与某个模型深度绑定智能体、工具、技能和知识库能否相对独立地维护长任务执行时能否让用户看清执行状态和结果出错时能否定位问题发生在模型、检索、工具还是业务接口企业是否能够根据实际环境选择适合的部署方式这些问题往往比单纯调用一次大模型 API 更接近真实项目中的工程挑战。四、开发 AI 应用后我的一些体会经过持续开发我越来越觉得AI 应用落地至少需要关注三个层面。第一模型能力不等于产品能力。模型可以生成内容但产品还需要解决输入组织、任务拆解、权限控制、结果编辑和异常恢复等问题。第二工作流与用户体验同样重要。如果用户不知道下一步应该做什么或者无法修改 AI 生成的结果即使模型回答得不错也很难形成稳定的使用习惯。第三企业场景需要重视可控性。企业通常会关心数据从哪里来、工具能够访问什么、操作是否经过授权以及结果能否追溯。这些都需要在应用架构中逐步落实。当然TaskWeave 仍然是一个持续迭代中的个人研发项目。以上是我当前的设计思路与实践方向并不意味着所有设想都已经完成也不代表每种场景都能完全自动化。五、接下来准备继续探索什么后续我会围绕 TaskWeave 持续记录一些更具体的开发实践例如如何使用 .NET 构建 AI Agent 后端企业知识库 RAG 如何处理元数据和引用溯源如何设计可复用的 Skill 与 MCP 工具能力会议语音识别如何与会议纪要生成结合如何设计适合企业办公任务的 AI 工作台企业 AI 应用私有化部署需要关注哪些问题我更希望分享真实开发过程中的方案、取舍与问题而不只是介绍 AI 的概念。如果你也在使用 .NET、Vue 开发 AI 应用或者正在探索 AI Agent、企业知识库和工作流可以一起交流。关于作者我是张国军一名长期从事 .NET、Java、Vue 企业应用开发并持续探索 AI 应用落地的独立开发者。目前正在研发TaskWeave AI Agent 平台重点探索企业智能体、RAG 知识库、AI 会议助手、材料写作工作台及私有化部署。AgentWeave是我的个人 AI 应用开发品牌记录技术实践与项目探索。官方网站https://www.agentweave.site/后续将持续分享 .NET AI、企业知识库、Agent 工程化及实际项目开发经验。
