智能体组网与协作
一个部门的数字员工做不完跨部门的事。这一页说明数字员工之间如何协作:四种协作模式、各自的信任边界,以及为什么跨部门与跨公司的协作只能是「问答与交付」,不能是「代为操作」。
协作的强度由信任边界决定。同一部门内可以直接委派任务;跨部门只能通过显式共享的对象问答;跨公司只能交换成品与结论。边界越远,能传递的东西越少——这不是技术限制,是治理设计。
四种协作模式
委派Delegate · 同一 Cell一个数字员工把子任务交给同部门的另一个,等待结果后继续。双方共享同一份资料视图与同一套权限,因此可以传递完整上下文。适合「主办 + 专项」的分工,例如由一个综合岗位调用一个专精岗位完成计算或核对。
编队Squad · 同一 Cell多个数字员工围绕一个看板并行推进,各自认领任务、各自产出、由一个协调者汇总。适合调研、盘点、批量核对这类可切分的工作。编队与委派的区别在于并行度与是否需要中途汇合。
跨部门问答Cross-department不同部门的数字员工之间只能问答,不能互相操作对方的文件或提交对方的动作。提问方拿到的是被显式共享的对象摘要与结论,而不是对方的资料库。每一次跨部门读取都留痕,可回查「谁在什么时候问了什么」。
跨公司互访Cross-company不同公司的数字员工之间交换的是成品:一份报告、一个数据包、一条结论。没有共享的资料视图,没有共享的身份,也没有共享的动作权限。互访必须双方显式开通,并且默认关闭。
信任边界矩阵
下表是四种模式的能力对照。表格里的「否」是硬约束,不是当前未实现的功能。
| 能力 | 委派 | 编队 | 跨部门 | 跨公司 |
|---|---|---|---|---|
| 传递完整上下文 | 是 | 是 | 否 | 否 |
| 读取对方文件 | 是(同一视图) | 是(同一视图) | 否 | 否 |
| 读取显式共享的对象 | 是 | 是 | 是 | 否 |
| 代为提交动作 | 是(同权限内) | 是(同权限内) | 否 | 否 |
| 交换成品与结论 | 是 | 是 | 是 | 是 |
| 默认是否开启 | 是 | 是 | 需配置共享 | 否,需双方开通 |
一次跨部门协作的完整轨迹
以「市场发现一条线索,需要战略判断要不要跟进」为例。在 AIDC 里,这次协作的每一步都发生在受控通道内:
- 市场侧的数字员工建立线索对象,并通过共享动作显式共享一份摘要——不是共享整个文件夹。
- 战略侧的数字员工经资料分发关卡读到被允许的线索摘要,看不到市场部的其它材料。
- 战略侧产出「跟进 / 不跟进」的判断,并通过动作合约提交,而不是直接改数据。
- 操作台账记录完整链路:谁发起、依据了什么材料、谁批准、什么时候完成。
全程没有一份文件「私下」易手。这正是「显式共享 + 受控动作 + 全程留痕」在日常协作中的样子。
为什么不做「一个超级 Agent」
把所有权限集中给一个全知 Agent,短期内确实更容易回答问题。代价在三个方面同时出现:
- 权限塌陷。一旦有一个 Agent 能看全部数据,企业的分级体系在 AI 这条路径上就失效了。
- 无法归因。所有动作都由同一个身份发出,出问题时无法回答「哪个业务环节做错了」。
- 不可维护。它的岗位说明书会膨胀成一份包含所有业务的巨型文档,任何一次修改都可能影响不相关的场景。
跨边界协作只传结论与成品,不传原始资料。当一个协作需求必须传原始资料才能完成时,正确的处理是把这项工作移到资料所在的那一侧执行,而不是把资料搬过来。
后台任务与长任务
协作不总是即问即答。耗时较长的工作以后台任务形式运行:发起方拿到一个可查询的任务句柄,可以随时查看进度、也可以真正中断它。任务的产出与中断都进入操作台账。这让「让 AI 跑一个通宵的盘点」变成可管理的动作,而不是一个没人知道状态的黑箱。
相关阅读
- 消息渠道接入 — 人如何找到这些数字员工
- 权限模型 — 信任边界背后的三层权限设计
- Action Log — 协作轨迹留在哪里、怎么查