L1
入口层 · Entry Layer
👤
用户输入 / 运营
"今日预算10w, ROI目标1.5"
✓ 运营确认 → 执行
→
Main Agent
· 投放决策中枢
task.prompt | 任务理解 → 子Agent调度 → 方案汇总 → 运营确认 → 反馈沉淀
📊 分析模式 temp=0.3
→
⚡ 执行模式 temp=0.1
L2
决策层 · Agent Layer — 5个决策Agent + 1个执行网关
Budget
→ data_query →
ODPS
Audience
→ data_query →
ODPS
Creative
→ data_query →
ODPS
Audience
→ 人群-素材匹配 →
Creative
运营确认
→ 方案 →
System Ops
System Ops
→ ad_api →
腾讯API
Monitor
→ 熔断 →
腾讯API
Feedback
→ 沉淀 →
Knowledge Base
Knowledge
→ 注入 →
All Agents
Budget Agent
钱
预算分配 · 出价优化 · ROI管控
依赖 · Skills & 知识
依赖 · 工具
依赖 · 数据
- ROI×跑量 二维决策矩阵
- 冷启动/赔付保护机制
- 阶梯式调价 · PID控制
输出: 预算/出价调整方案
Audience Agent
人
人群规划 · 定向策略 · 效果分析
依赖 · Skills & 知识
依赖 · 工具
依赖 · 数据
- 年龄/性别/区域定向组合
- 人群包管理与推荐
- 人群效果A/B分析
输出: 定向方案
Creative Agent
素材
素材分析 · 人群匹配 · 生命周期
依赖 · Skills & 知识
依赖 · 工具
依赖 · 数据
- CTR/CVR/完播率分析
- 素材衰退检测与轮换
- 组件化创意组合
输出: 素材方案
Monitor Agent
监控
异常检测 · 熔断策略 · 根因分析
依赖 · Skills & 知识
依赖 · 工具
依赖 · 数据
- CPA突增/转化骤降检测
- L1告警/L2降级/L3熔断
- 15min/1h/日 三周期
输出: 熔断/告警决策
Feedback Agent
反馈
后验分析 · 策略归纳 · 知识沉淀
依赖 · Skills & 知识
依赖 · 工具
依赖 · 数据
- 投放效果归因分析
- 策略规则提炼
- 案例沉淀至知识库
输出: 策略更新 → Knowledge
System Ops Agent
执行网关
接收已确认方案 → API调用 → 执行变更 → 变更记录
依赖 · Skills & 知识
依赖 · 工具
依赖 · 数据
- 广告创建/修改/关停 全生命周期
- 创意配置 · 组件化管理
- 批量操作 + dry-run验证
- 操作变更记录与通知
输出: 执行结果 → 腾讯API + Trace
每个 Agent 的内部结构
Agent = LLM推理引擎
+ Skills (策略知识注入)
+ Tools (获取/计算/执行能力)
+ Data (数据源读取)
→ 输出决策方案
· Agent 只做决策，不做透传
· 数据获取能力通过共享工具下沉
· 策略知识通过Skill注入，非硬编码
· 写操作集中在System Ops网关
L3
能力层 · 数据层 · 知识层 — Tools & Data & Knowledge
⚙️
能力层 Tools · 工具
获取 · Read
data_query(type, sql)→ ODPS 7种查询
data_aggregate()→ 聚合分析
get_ad_current_status()→ 广告实时状态
ad_get_list / ad_get_report→ 腾讯API(读)
audience_get_list→ 人群包列表
计算 · Compute
budget_calc(data)→ ROI决策矩阵
audience_build_targeting→ 定向生成
audience_recommend_targeting→ 定向推荐
monitor_check_metrics→ 指标检查
执行 · Write
ad_create / ad_update→ 广告操作
ad_batch_update_status→ 批量状态
creative_create / update→ 创意操作
execute_adjustment_plan→ 方案执行
monitor_circuit_break→ 熔断执行
🗄️
数据层 Data · 存储
外部数据源 · External
ODPS / MaxCompute — loghubods 库
├─ad_put_tencent_ad广告基础
├─ad_put_tencent_creative_data_day创意日报
├─ad_put_tencent_account_data账户消耗
└─fission_data / roi_data裂变&ROI
腾讯广告 Marketing API v3.0
├─/v3.0/adgroups/*广告
├─/v3.0/dynamic_creatives/*创意
└─bid_mode=OCPM QPS≤10限制
运行时状态 · Runtime
├─Task State方案/中间结果
├─Agent Context对话上下文
└─Trace Store执行轨迹/审计
知识存储 · Knowledge Store
├─Knowledge Base动态沉淀
└─Case Base投放案例库
📚
知识层 Knowledge · Skills
静态知识 · Skills (Markdown 注入)
ad_domain.md
3.0平台结构 · API映射 · 投放流程
→ 全部Agent
budget_strategy.md
决策矩阵 · 冷启动 · 赔付 · 调价
→ Budget
audience_strategy.md
人群定向策略 · 圈选规则
→ Audience
creative_strategy.md
素材策略 · 匹配规则 · 生命周期
→ Creative
monitor_rules.md
监控规则 · 告警阈值 · 熔断条件
→ Monitor
feedback_strategy.md
后验分析 · 策略归纳 · 沉淀规则
→ Feedback
动态知识 · Knowledge Base (持久化)
投放经验
"账户A降价10%实际消耗降30%"
时间规律
"周末转化率通常高15%"
人群洞察
"人群包X在25-34男性效果最好"
熔断经验
"CPA连续3天>50应提前熔断"
← Feedback Agent 持续写入 · 全部 Agent 决策时读取
关键业务规则 Key Rules
─── oCPM 出价机制 ───
eCPM = bid × pCTR × pCVR × 1000
降10%出价 ≈ 降15-25%消耗(非线性)
掉量悬崖: eCPM<竞争水位 → 断崖式跌落
─── 决策矩阵 ROI×跑量 ───
高ROI+低跑量 → increase +10%~15%
中ROI+高跑量 → decrease -5%~10%
低ROI+低跑量 → close(标记关停)
─── 保护机制 ───
冷启动: <48h ∨ 转化<6 → observe
赔付: 转化≥6 且 CPA偏离≥20% → 先赔付
熔断: CPA>阈值 ∨ 消耗异常 → 暂停
核心数据流 Core Flows
①
任务分发
User → Main Agent → 子Agent(Budget/Audience/Creative)
②
数据获取
决策Agent → data_query(Tool) → ODPS(Data) → 原始数据
③
知识注入
Skills(静态) + Knowledge(动态) → Agent Context → 辅助决策
④
方案计算
Agent + 数据 + 知识 → budget_calc/targeting(Tool) → 调整方案
⑤
运营确认→执行
方案 → 运营确认 → System Ops → ad_api(Tool) → 腾讯API(Data)
⑥
监控熔断
Monitor Agent → 检测异常 → circuit_break(Tool) → 暂停广告
⑦
反馈沉淀
投放结果 → Feedback Agent → knowledge_tools → Knowledge Base
L4
底层框架 · Reson Agent Framework