这是 AIDC 的工作假设，也是我们设计自己公司的方式：企业最重要的知识集中存放在一个结构清晰的“数字总部”里，每个职能部门由一个专属的 AI 管理者维护，员工与 AI 都按职责访问对应的资料，组织能力随每一次交付与复盘不断沉淀。我们围绕这个假设设计公司，也围绕这个假设服务客户。
A WORKING DEFINITION — WRITTEN IN A FILE, RUN AS A COMPANY
AIDC 帮助企业把 AI 从“员工各自使用的工具”，升级为“组织统一运行的系统”。我们的工作围绕四件事展开：让 AI 进入真实业务流程、把隐性流程变成显性制度、为每个部门配备职责清晰的 AI 管理者、把企业知识沉淀为可移交的资产。
我们不停留在演示和单点自动化。部署意味着进入组织的真实流程，处理权限、责任与审计，让 AI 在企业里真正承担工作、对结果负责，而不是停留在聊天窗口里。
把“只有老员工才懂”的隐性流程显性化：还原真实工作流、标出决策点、权限边界与交接路径，再判断哪些环节应由 AI 辅助、自动化或重新设计——这是我们的工程师驻场调研的核心工作。
Agent——企业里的 AI 管理者——不是泛化的聊天助手，而是像员工一样被管理的数字角色：每个 Agent 有唯一负责的资料范围、明确的权限边界、质量标准和复盘节奏。
重要的资料与经验必须进入企业统一的知识库，可被查阅、追踪、移动和授权。留在个人聊天记录和脑子里的信息，不是组织资产——这是 Company Harness（企业的“数字总部”运行环境）的第一原则。
“AI Deployment Company”既是我们的名字，也是我们对行业的判断：企业 AI 的瓶颈不在模型，而在部署。模型能力每隔几个月就翻新一次，真正稀缺的，是让这些能力进入组织、被授权、被审计、被沉淀的系统——这正是我们交付的东西。
公司即计算机：把企业设计成一套可运行的系统——知识有归属，职责有边界，操作有记录，能力可复用。
— AIDC WORKING DEFINITION · 01_EXECUTIVE/COMPANY/POSITIONING.MD
这个类比不是修辞，而是设计约束。当公司的战略、知识、流程和权限都以文件和目录的形态存在，组织就获得三种此前不存在的能力：可移交——整个公司知识库可以像一间装备齐全的办公室一样整体交接给不同员工或 AI，不依赖任何人脑中的隐性记忆；可授权——目录天然就是权限边界，人和 AI 按职责访问对应的文件夹；可演进——每一次交付、复盘和决策都写回知识库，组织能力随使用持续累积。
| 计算机构件 | 公司构件 | 对企业的意义 |
|---|---|---|
Memory | 文件系统 | 企业的重要资料长期保存在统一的目录与文件中，可被查阅、追踪、移动和授权，而不是散落在聊天记录和个人记忆里。 |
Process | Agent | 每个 Agent（AI 管理者）像一名尽职的员工围绕资料工作：有唯一的职责范围、清晰的读写边界和可观察的工作状态。 |
Access Control | 权限（目录） | 授权一个目录，就是授权一段职责。避免“所有人和所有 AI 看到所有内容”的失控状态。 |
Runtime | Harness | 让人、AI、资料、权限和流程协同工作的运行环境——企业的“数字总部”，公司从一个文件夹开始被搭建、扩展、授权、部署和复盘。 |
Program | SOP | 流程沉淀为“岗位说明书＋操作手册”式的可执行 SOP，可被人或 AI 运行、复用和改进，而不是停留在某个人的脑子里。 |
在进入任何方案之前，你可以先用五个问题快速判断：自己的企业离“一台计算机”还有多远（示例场景）。
| 自检问题 | 它检验什么 |
|---|---|
| 一位关键员工明天离职，他负责的客户与项目经验能否完整交接？ | 知识是否归组织所有——可移交 |
| 一名新员工或一个新的 AI 接手某个职能，需要多少口头交代？ | 流程是否显性——可运行 |
| 你能否说清：AI 改过什么、依据是什么、谁批准的？ | 操作是否留痕——可审计 |
| 把一个部门的全部资料交给 AI 使用，你是否放心？ | 权限是否有边界——可授权 |
| 上一次成功交付的经验，是否变成了可复用的制度或模板？ | 能力是否沉淀——可演进 |
AIDC 的公司本身就运行在一套 Company Harness 上：全公司只有十个职能部门，一个部门精确对应一个知识库目录，一个目录由一个专属的 AI 管理者负责——十个职能部门，十个 AI 管理者。跨部门协作通过引用、请求和决策记录完成，而不是共享所有权。客户拿到的不是架构图里的概念，而是我们每天用来运营公司的同一套结构。
由 CEO Agent 负责：公司定位、战略方向、目标优先级与最终决策记录。
由 CIO Agent 负责：外部调研、行业情报、资料整理、数据闭环与输入质量。
由 CFO Agent 负责：预算、定价、收入、成本与单位经济判断。
由 CPO Agent 负责：产品化、服务包设计、客户体验与需求到能力的转化。
由 CTO Agent 负责：技术架构、自动化、系统实现、部署与安全实现。
由 COO Agent 负责：公司运营、流程管理、交付节奏、SOP、归档与执行质量。
由 CHO Agent 负责：岗位设计、人才培养、组织能力与 AI 管理者队伍的管理。
由 CLO Agent 负责：法务、合规、合同、风险与责任边界。
由 CMO Agent 负责：品牌、内容、渠道、线索与增长叙事。
由 CSO Agent 负责：销售、客户开发、商机管理、合作关系与成交路径。
每个 AI 管理者都有一份“岗位说明书”式的源定义文件，写明它的身份、可查阅与可修改的范围、职责、工作规则、输出格式和复盘节奏。AI 管理者之间可以协作，但不能互相替代最终责任；凡是涉及客户承诺、财务条款、法务风险、岗位变化和战略方向的输出，必须留下记录，并由人类负责人审查。
| 未来部门 | 未来 AI 管理者 | 设立时机 |
|---|---|---|
11_customer_success/ | CCO Agent | 客户留存、续约、增购和客户成功的工作量，超出运营与销售负责人的职责范围时。 |
12_security/ | CISO Agent | 安全审计、访问控制、客户生产系统与合规，成为需要独立管理的风险面时。 |
13_ai/ | CAIO Agent | AI 管理者的治理与 AI 能力建设，需要从技术实现中独立出来时。 |
14_data/ | CDO Agent | 数据治理、指标体系和数据产品，超出信息部门的职责时。 |
为什么选择 AIDC，而不是通用 AI 工具、传统咨询公司、内部团队或其他 AI 服务商？我们的回答不是某个单一功能，而是五个相互咬合的判断。
这些判断持续接受市场检验：我们同时跟踪通用 AI 产品、自动化工具、企业咨询公司、内部 IT 团队、Agent 平台和垂直行业服务商，并把客户愿意付费的原因、客户自建失败的位置和可复用的交付资产，作为证据持续写回公司知识库。
把公司设计成一套可运行、可授权、可交接的体系。咨询公司交付报告，软件厂商交付工具；我们交付的是组织的运行环境本身——一个可以被搭建、扩展、授权、部署和复盘的 Company Harness，企业的“数字总部”。
关注 AI 在组织中的真实落地，而不是演示效果。部署意味着进入真实流程、划清权限边界、承担审计责任、约定出错时的处理路径——这些恰恰是演示里永远不会出现、却决定成败的部分。
把 AI 当作有岗位、有边界的“数字员工”来管理，而不是放任的聊天助手。每个 AI 管理者有唯一职责范围、明确权限、质量标准和复盘节奏；它做过什么、改过什么都有记录可查，责任边界在上岗之前就已写清。
帮助企业把战略、知识、流程和权限沉淀为可复用的企业资产。模型会不断更替，但组织化的知识留在公司：它是 AI 的工作基础，也是企业自己的长期资产，不被任何单一模型或厂商锁定。
明确人和 AI 的分工、审查机制和交付质量。哪些产出必须由人负责、哪些可以交给 AI、什么情况下必须升级给人类负责人——这些规则写进制度、变成流程，而不是靠默契和运气。
AIDC 的标识只有一个元素：//。一条斜线代表人的智慧，一条代表机器的智能；中间的负空间是决策通道——企业每天从观察到判断、从判断到行动的决策，都从这里流过。标识里没有别的装饰，因为我们想表达的协作关系只有这一种。
| 元素 | 含义 |
|---|---|
Human Intelligence | 第一条斜线：人的判断、经验与责任。在 AIDC 的体系里，关键决策始终由人负责。 |
Machine Intelligence | 第二条斜线：机器的速度、记忆与执行力。AI 与人并行协作，而不是互相替代。 |
Decision Channel | 两条斜线之间的负空间：企业每天发生的决策流。我们的全部工作，是让这条通道安全、可追溯、越用越宽。 |
Open Channel | 标识没有封闭外框，代表开放的系统：可以接入企业已有的工具、数据与合作生态，而不是把客户锁进一个封闭的盒子。 |
核心不变，外形适配每一个行业。在行业方案中，// 始终保持不变，外框形状随行业与企业形态变化——同一套人机协作方式，落进物流、能源、教育、政务、农业等完全不同的组织。形状会适配，通道始终都在。
HUMAN INTELLIGENCE // MACHINE INTELLIGENCE — THE SHAPE ADAPTS, THE CHANNEL REMAINS
设计规则同样克制：AIDC 标识只使用 //；不使用同心圆、点阵、轨道、电路或渐变科技图形；全站只有黑、白和一种信号橙。克制不是审美偏好，而是与我们的产品主张一致——少而清晰的规则，胜过多而模糊的装饰。
把还没有最终答案的问题写进公司制度，本身就是我们工作方式的一部分：问题是公开的，证据是持续收集的，答案以决策记录的形式沉淀下来。
以下五个问题来自我们的公司定位文件 positioning.md，与战略写在同一份文件里。我们公开它们，因为一家做部署的公司，可信度来自坦诚的工作姿态，而不是完美话术——每个问题下方，是我们当前的工作答案。
当前工作答案：通过 FDE 客户调研在真实流程中验证，优先服务有行业渠道和真实服务场景、但缺少 AI 工程能力的团队。我们持续收集两类证据：客户为什么愿意付费，以及客户自己做时失败在哪里。
当前工作答案：组合。工程师驻场像咨询，Harness 与平台像软件，Backend Agent Service 像托管服务；具体配比由客户场景决定，而不是由我们的偏好决定。详见服务体系。
当前工作答案：与十个职能对齐的目录结构、每个目录一份 AGENT.md（相当于一份岗位说明书）、一组治理规则。这个最小版本已经运行在我们自己身上，搭建步骤见 Harness 初始化。
当前工作原则：涉及客户承诺、财务条款、法务风险、岗位变化和战略方向的输出必须留痕，并由人类负责人审查；AI 负责资料维护、信息整理、草案生成和流程执行。边界本身写成可执行的规则，随实践修订。
当前工作机制：每个 AI 管理者一份源定义文件，写明身份、职责范围（可读、可写、不可访问）、工作规则、输出格式和复盘节奏——形式上更像一份岗位说明书，而不是一段提示词。十个职能部门的 AI 管理者全部按此定义，见 C-suite Agent 定义。