商业 AI Agents 组 组长、产品&工程负责人

小米广告投放 Agent（AdmiClaw）

2026.04 — 至今制定产品战略规划和核心架构，指导方案设计

广告优化师凭经验调价、跨账户导表平均 2 小时；建 24 小时在线、飞书里 @ 就能派活的云端 Agent，复用 API Key 鉴权，以 MCP 服务中间层收拢过去零散的 API 接口，统一对 Agent 暴露渐进披露、使用友好的投放工具，复合指标准确率 50%→95%、大盘收入覆盖率 92%。

50%→95%

复合指标准确率

16,559 次

单周查询峰值（10 月中），10 月起连续 4 周过万

费效比最优

全部门 token 费效比最优：日均 5 亿 token，每天约 87 元

92%

大盘收入覆盖率，全部客户接入

01

旧助手只会问答，广告优化师要的是一个能替他盯盘、给出判断的同事

广告平台原有的智能助手只能简单问答、单点查数，查数功能已经没有客户在用。我们调研了全部客户的广告优化师，他们的痛点不在“查不到数”，而在“查完不知道怎么调、没人替自己一直盯着”。

原有智能助手

  • 只能问答、单点查数，复杂问题答不了
  • 不懂业务知识，做不了诊断
  • 只能单聊，不能定时盯盘
  • 查数功能已经没有客户在用
→

优化师真正要的

  • 同行业出价参考：调价时有依据，不再凭经验
  • 跨账户、跨层级一次取数：不用再导表透视，过去平均要 2 小时
  • 夜间、周末也有人盯着，异动直接推到手边
  • 就在自己日常办公的飞书里用，不装新工具

内外视角不同：优化师能看到名下账户的效果数据、操作记录和广告信息，看不到内部竞价链路，所以指标要按优化师视角重新设计，不能直接复用对内诊断 Agent。

02

云端常驻 Agent + 厚业务 Skill + MCP 服务中间层：客户像 @ 同事一样派活，Agent 自己去查、去算、去盯

沿用对内诊断 Agent 的思路：通用 Agent Harness（OpenClaw）负责推理，业务能力沉在 Skill 里，确定性的取数、计算和权限交给中间层服务。最下面直接复用客户已有的广告平台 API Key，不另建账号，所以能很快上线。

客户自己的飞书入口
群里 @ 投放 Agent 派活像 @ 一位同事一样，把查数、诊断、盯盘交给它；V2.0 之后还能拉取、生成素材私聊随时问一句话建定时任务盯盘结果直推，手机可看小米对客业务中首次直通客户自己的飞书
云端常驻 AgentOpenClaw · 通用 Agent Harness
24 小时常驻到点主动唤醒，边推数边分析理解意图、决定下钻对象综合归因、给出建议
厚业务 Skill四类知识 + 诊断方法
产品知识如增量智投：开了增量模式，计费比（实际成本 ÷ 出价）超过 1.5 才算超成本，不知道就会误判 业务知识如按转化出价与转化目标、流量与素材的关系，按问题读对应的一篇 分析方法如时间对比、排序、占比分析，给 Agent 一套可照着走的分析流程 工具说明书查数据、查状态、查操作记录三个工具各怎么调、参数怎么填 12 项诊断指标首次给出同行业出价对比 行业口径游戏按回报率出价，方向与常规相反；金融要看全链路回传；汽车线索的率类目标单独算成本
MCP 服务中间层给 Agent 用的工具 · 下一块细讲
按场景的 3 个工具查数据 · 查状态 · 查操作记录跨维表关联、复合指标在服务端算 按 Key 反查名下账户、校验权限首次能跨账户看数、盯盘37 类错误码附正确示例，Agent 自己纠错每一环埋点，可追溯
广告平台接口传统 API，为网页和人设计
复用客户已有 API Key不另建账号，快速上线16 个接口复用 8 个、新增 7 个，再补 1 个按 Key 反查账户的接口账户信息补字段增量智投模式、最高出价

分工原则：程序做确定性的事（映射账户、校验权限、取数、算指标、调接口），大模型做推理与表达（理解意图、锁定异动时段、综合归因、写报告）。

03核心机制

MCP 服务中间层：把给人用的接口，翻译成 Agent 用得顺、查得准的工具

MVP 时 Agent 在本地直接调广告平台接口。这些接口是给网页和人设计的：按平台底层拆开，只能在本层级查本层级的数，只回 ID。Agent 要在有限的上下文里自己挑接口、拼接口、算复合指标，复合指标正确率只有约 50%。V1.0 起，我们在 Agent 和平台之间加了一层服务：由它统一请求平台、处理数据，再按场景交给 Agent。

改造前后：Agent 面对的是什么

原来：Agent 直接面对底层接口
乱
十多个分散程序，一个接口对应一个按平台底层组织，查一个问题要 Agent 自己挑、自己拼
繁
跨层级、跨账户都要自己拼在计划层级能查出价，却看不了账户的平均出价；跨账户要客户每次把一串账户 ID 发给 Agent
复合指标自己算，正确率约 50%收入、转化数这类原子指标加总没问题；计费比、转化成本这类复合指标常算错
不贴业务
只回 ID、只回总收入优化师靠计划名称打业务标签，只看 ID 没法分析；媒体按现金收入考核客户，接口不拆现金与虚拟金
不稳
取数不稳，天级、小时级要人指定本地程序直连，偶发数据不准；想看当天同环比，得先说明要小时级数据
→
中间层之后：Agent 只面对 3 个场景工具
查数据效果数据，可跨账户、跨层级分组；复合指标由服务端算好再给
查状态账户、计划、广告当前的投放状态与设置，如是否开了增量智投、最高出价
查操作记录优化师和系统改过什么，用来对照掉量前后的调整
服务端替 Agent 做掉的事
按 Key 反查账户、校验权限跨维表关联补维度各层级聚合、算复合指标自动选天级 / 小时级错误码附原因和正确示例回名称、拆现金与虚拟金每一环埋点

本地只留薄薄一层；重的关联、聚合、权限都放在服务端。Agent 的上下文留给业务问题本身。

中间层做的六件事

转译

按场景组织，不按接口

把按接口写的 10 个分散程序，合成按场景分的 3 个工具。和对内诊断 Agent“一个接口拆成 4 个工具”是同一套方法：工具的边界按 Agent 怎么想问题来切。

查得全

跨层级关联，复合指标在各层级聚合后再算

维度缺在哪一层，服务端就去关联哪张表补齐；计费比、转化成本等复合指标，先在对应层级聚合原子指标再算。

例：素材规格记在广告上。客户要按账户看各素材规格的数据，服务端先给每条广告关联素材规格，再按账户分组聚合。

查得准

自动选时间粒度，调错了 Agent 自己改

按问题自动选天级或小时级接口，当天的同环比也能算。返回给 Agent 的 37 类错误码，都附错误原因和正确请求示例，Agent 调错了能自己修正，不用人介入。

权限

一把 Key，自动跨账户

客户只提供一把广告平台 API Key。中间层拿它反查名下有权限的全部账户、校验权限，再自动跨账户取数。优化师第一次能跨账户看数、盯盘，不用再手报一串账户 ID。

广告平台为此只新增了一个按 Key 反查账户的接口，权限逻辑都在中间层。

贴业务

按优化师的习惯回数

V1.5 起默认回显计划和广告名称；现金和虚拟金收入默认拆开；支持按账户二级行业通盘看；改过名的 app 统一成最新名字，不用再手工合并多行。

可追溯

每一环都有埋点

记录使用量、Agent 请求服务端的成功率、服务端请求平台的成功率，出问题能定位到哪一环。V2.0 的定时任务面板再记下每次盯盘的执行结果和耗时，定位一个 case 从 20 分钟降到 5 分钟。

50%→95%复合指标准确率
10→2 分钟跨账户、跨层级查一次数
10 → 3分散程序合成场景工具
展开详情一次跨账户查询，在中间层里走了哪几步以“把我名下所有账户昨天的收入按素材规格拆开，和前天比”为例（示意）+
  1. Agent 只说要什么：调“查数据”工具，参数是账户粒度、按素材规格分组、昨天对比前天。工具说明书告诉它参数怎么填。
  2. 中间层管权限：用客户的 Key 反查名下有权限的账户，校验通过后自动展开成多个账户的请求。
  3. 中间层选接口：按时间范围自动选天级或小时级接口，批量请求广告平台。
  4. 中间层补维度、算指标：素材规格在广告层，先给每条广告关联素材规格，再按账户和规格分组聚合；转化成本、计费比等复合指标在聚合后再算。
  5. 按业务习惯返回：带上计划和广告名称，现金和虚拟金收入分开。请求有误时，返回错误码、原因和正确示例，Agent 改完重发。
  6. 全程留痕：每一环的成功与失败都进埋点，查数结果可以追到是哪次请求、哪一层出的数。

步骤是按 Q3 总结里中间层的各项能力拼成的示意，不是某一次真实请求的日志。

展开详情权限为什么放在中间层，以及 V1.5 怎么修掉“新账户当天查不到”客户按账户被授权，手里只有一把 Key+
V1.0 · 放进中间层
从“手报账户 ID”到“一把 Key 自动跨账户”

平台接口要按账户鉴权，客户提问时往往只给计划 ID 或广告 ID，MVP 阶段要靠程序先映射出账户、跨账户还得客户手报。中间层拿 Key 反查名下全部有权限的账户，统一校验后再取数，优化师第一次能把名下账户放在一起看、一起盯。

V1.5 · 修时效
新开、复投的账户当天就能查

反查接口每天更新一次，只含前 30 天有收入的账户，所以新开户和复投的老账户当天查不到。V1.5 改为单次请求直接带 Key 发给平台、由平台校验，这类账户当天就能查。

04

面向客户的 Agent 先过安全关：输入、执行、输出三层都设防

面向客户的 Agent 在部门内此前没有先例。我们把安全拆成三层，逐层设防，并通过了大模型三方评审，打通了面向客户的 Agent 安全合规流程。

输入

谁能用、问了什么

客户密钥鉴权加飞书白名单；用户的每条提问都经过机器审核，拦在进入 Agent 之前。

执行

能做什么、碰得到什么

Agent 在沙箱里运行：根目录只读、只能写工作区、网络白名单；配置不打包进镜像；只开启必要的插件和工具。

输出

说出去的话、发出去的文档

模型输出和生成的飞书文档全量机器审核；调用链路加固，防止被诱导访问内部地址。

05

两个月 4 个大版本，10 月起每周查询过万，token 费效比全部门最优

MVP 上线后按客户建反馈群，反馈分钟级响应、小时级解决，共上线 27 个需求与修复，最快一周 4 版。每个大版本都对着上一版暴露的问题来改。

6 月底

MVP

线下 workshop，逐家完成配置与飞书接入。暴露问题：本地程序取数不稳、复合指标常算错、不能跨账户、不能定时盯盘。

7 月下

V1.0 · 建中间层

查数改走 MCP 服务中间层，复合指标在服务端算；按 Key 反查名下账户，首次跨账户看数；支持群聊。

7—8 月

V1.5 · 贴合优化师

补名称回显、现金收入单独统计、行业口径；鉴权交给平台逐次校验，新账户当天可查。

8 月下

V2.0 · 自动盯盘

自然语言建定时任务，夜间、周末也有 Agent 盯着，边推数边分析，直推飞书。配置一键改：4 小时→1 分钟。

每周查询次数（人工触发 + 自动盯盘）

8 月 6—12 日
1,342 次
8 月 20—26 日 · 上线自动盯盘
2,215 次
9 月 10—16 日
5,107 次
9 月 17—23 日
9,784 次
10 月 15—21 日 · 峰值
16,559 次
规模
16,559次

单周查询峰值（10 月中）；10 月起连续 4 周过万，其中 80%—95% 是自动盯盘10 月 1—28 日每周：12,486 / 15,294 / 16,559 / 15,126 次

效率
半小时→10 分钟

优化师查数普遍从半小时降到 10 分钟，快的到 2 分钟；深度诊断也省下一半以上时间9 月中 3 家客户深访：问数 30→5、10→2 分钟，深度诊断 40→15、30→15 分钟

客户认可
名额 2→7→19

一家电商行业客户用顺手后两次主动申请加开 Agent，另一家 5→7；该客户自报平均效率 +50%名额：客户申请开通的账号数

准确
50%→95%

复合指标准确率，V1.0 建中间层之后

费效比
全部门最优

全部门 token 费效比最优：日均 5 亿 token，每天只花约 87 元；用量榜上单日 token 量部门第一，费用只有第二名的约 1/4统计期 8 月 17 日—9 月 16 日；8 月 3 日起换到更强更便宜的模型，性能约 +20%、成本约 −66%

覆盖
92%

大盘收入覆盖率；全部客户接入

口径：查询次数是 AdmiClaw 当周执行的全部查询，含人工触发和自动盯盘，取自组内周报；效率为客户访谈自报；92% 为 9 月 17—23 日。

问题

Problem
  • 旧 EMI 助手问数已无人用
  • 调研全部客户的广告优化师：缺同行出价参考、凭经验调价，跨账户导表透视平均 2 小时
  • 盯盘靠人，夜间、周末没人看

打法

Approach
  • 沿用对内诊断 Agent 的通用 Harness + 厚业务 Skill 架构，按优化师视角重设 12 项指标，首次给出同行出价对比→调价有参照
  • 鉴权复用客户的 EMI API Key→不另建账号，快速上线
  • 2 个月迭代 4 个大版本

方案

Solution
  • 云端 Agent 24 小时常驻，客户一句话建定时任务，Agent 到点主动唤醒、边推数边分析→夜间、周末也有 Agent 盯着，在小米对客业务中首次让投放直通客户自己的飞书
  • 补名称回显、现金收入拆分与游戏、金融、汽车口径→查数贴合优化师习惯

攻坚

Hard parts
  • ①EMI 接口为人设计且分散，Agent 自拼十多个接口算复合指标→建类似 MCP Server 的中间层，收成 3 个场景工具，关联聚合放服务端，37 类错误码供其自纠
  • ②面向客户的合规→输入、输出全量机审，执行放沙箱，过三方评审

结果

Results
  • 复合指标准确率 50%→95%
  • 周查询峰值 16,559 次（10 月中），10 月起连续 4 周过万，八成以上是自动盯盘
  • 优化师查数普遍从半小时降到 10 分钟，快的到 2 分钟，多家客户主动加开名额（一家 2→7→19）
  • 全部门 token 费效比最优：日均 5 亿 token，每天约 87 元
  • 全部客户接入，大盘收入覆盖率 92%