智能体网络总览

在 AIDC 的体系里，Agent 不是一个聊天窗口，而是有岗位说明书、有记忆、有考核记录的数字员工。这个板块讲清楚：数字员工怎么定义、部署在哪、彼此怎么协作、通过什么渠道被找到、以及如何被训练和考核——像管理员工一样管理 AI，能力才会留在组织里。

// 一句话理解

不做「一个超级 AI 管全公司」，而是让多个职责有边界的数字员工在同一套企业定义下自治协作，像分工良好的部门。中心不接管执行，只维护语义定义、身份、策略与审计。

这个板块回答什么

Agent 即文件管理者数字员工的第一性定义：特定目录、文件与流程的明确负责者，而不是通用助手。 AI 的组织角色图谱像设岗一样设计角色——构建者、老师、医生、监管者、史官、参谋——能力才归组织。 C-suite Agent 参考从 CEO Agent 到 CSO Agent：每个职能 Agent 的职责、所有权与边界。 Agent Cell部门级最小自治部署单元：独立运行时、私有文件区、权限适配与本地审计缓冲。 Agent 记忆模型四层记忆架构、预算制管理与周期性记忆审计——记忆不是越多越好。 智能体组网与协作委派、编队、跨部门问答与跨公司互访：四种协作模式与各自的信任边界。 消息渠道接入让数字员工出现在企业 IM、工作台与开放接口里，身份与权限在每条通道上一致。 评估与考核（Evals）考题来自真实材料，按风险分级设上线门槛——信任来自评估，不来自演示。

一个数字员工由什么构成

「上线一个 Agent」不是配一个提示词。一个可交付的数字员工由六件东西组成，缺任何一件都不能算完成：

构件回答的问题缺失的后果
岗位说明书它负责什么、不负责什么职责漂移，出问题找不到责任人
资料范围它能看到哪些目录与语料要么答不出，要么越权看到不该看的
动作清单它被允许做哪些会改变状态的操作只能聊天，或者能改任何东西
记忆策略什么进长期记忆、什么只留指针上下文越用越脏，判断质量随时间下降
评估集怎样算它做对了上线与否只能靠感觉
负责人谁为它的产出负责无人维护，三个月后没人敢用

部署形态：一个部门一个自治单元

数字员工不是集中部署在一台大服务器上共享一个进程。每个部门拥有自己的 Agent Cell——独立的运行时、私有的文件区、按本部门权限裁剪的资料视图，以及本地审计缓冲。这样做的代价是运维面变多，换来的是三件事：

从上岗到常态运营

数字员工有生命周期，和人一样。六段循环是这个板块所有页面共同的时间轴：

  1. 定义。写岗位说明书，划资料范围与动作清单，指定负责人。
  2. 上岗。在所属部门的 Cell 里创建运行时身份，接入必要的渠道。
  3. 试用。只读、只答、不改。用真实问题跑一段时间，收集失败案例。
  4. 评估。把失败案例变成考题，按风险分级设定上线门槛，通过才开放动作权限。
  5. 训练。按「观察 → 诊断 → 处方 → 复验」循环持续改进：改的是资料、记忆与规则，不是换一个更大的模型。
  6. 复盘与退役。定期审计记忆与产出质量；职责变化时更新说明书，不再需要时正式退役并归档其历史。
// 治理规则

任何数字员工的权限都不得高于它所服务岗位的人的权限。当业务方要求「让 AI 看全部数据以便回答得更好」时，正确的回应是调整岗位定义或改用有权限的岗位来提问，而不是给 Agent 开特权。

相关阅读