POC 惊艳，进不了生产
演示时样样都行，真实数据一来就现原形。企业每启动 33 个 AI 概念验证，只有 4 个进入生产环境（IDC/Lenovo，AI CIO Playbook 2025）。缺口在评测口径与数据质量，不在模型跑分。
智能体定制 · 可验收交付
AI Agent 定制开发：湖南湘西企业智能体一站式服务商
AI Agent 定制开发的价值在生产环境，不在演示现场。我们按可验收口径交付智能体：评测集、权限治理与 token 用量测算随项目落地，源码与运营文档一并交接，不做演示级玩具。服务湘西、长沙与全国远程团队。
- CISP 2022 · 安全视角做 Agent 治理
- 奇安信 2021–23 · 重保级流程纪律
- 2025.09 公司化交付
Field Pains
智能体落地的七个真问题
企业不是不想上智能体，而是被同一批问题反复卡住。下面七条各有调研出处，我们把它列在前面，是因为每一个都对应一项具体交付物——问题是真实的，解法也必须是可核对的一一对应。
如果你正被其中一条卡住，直接带着编号来聊，初诊时对号入座。
demo 好看，上线就跑偏
准确性不足是组织经历频率较高的负面后果，约三分之一的受访组织报告过（麦肯锡，State of AI，2025-12）。没有评测集与回归机制，跑偏只能靠用户投诉发现。
token 账单失控
Agent 完成单任务的 token 消耗约为聊天形态的 5–30 倍（Gartner，2026-03，转引口径）。没有用量基线与分级路由，账单随任务量非线性上涨。
分不清谁是真服务商
宣称提供智能体能力的厂商数以千计，其中约 130 家具备真实交付能力（Gartner，2025-06-25）。判断标准很朴素：敢不敢把评测口径、权限配置和不含项写进合同。
数据安全不敢放
智能体要接工具、读数据，安全顾虑是真实的。五眼联盟联合指南把 Agent 层面的按需授权、即时凭据与沙箱执行列为采用前提（CISA/NSA 等《Careful Adoption of Agentic AI Services》，2026-04）。我们的做法是治理与开发同步落地。
上线后没人治理
66% 的组织已有 AI 治理策略，但仅 19% 部署提示注入检测，71% 未做过任何 AI 安全测试（IANS+Artico，1H 2026 Benchmark）。策略停在文件层面，控制没有落到工程。
自建团队招不起、留不住
Agent 开发岗位需求较 2024 年增长 380%（BOSS 直聘，2026），3–5 年经验的市场薪酬普遍在 25–60K 区间。与其抢一个全栈智能体工程师，不如把场景交给做过安全交付的团队，把预算花在评测与治理这些决定成败的环节上。
上表数字均来自公开机构发布口径，括注为（来源，时间）。我们不复述趋势判断，只把与自己交付物相关的事实摆出来：每个问题都对应下文能力清单里的一项可验收交付。
Concepts
五个概念，把智能体这件事说清楚
每个概念一段，控制在几十字内。采购侧能分清这些词，就不会为概念溢价付费。
什么是 AI Agent（智能体）
能感知任务、调用工具、多步执行并汇报结果的软件系统。与「会聊天的模型」的区别在于它有手：读数据库、发邮件、跑脚本，把一件事做完而不是答完。
什么是数字员工
面向一个岗位场景、按任务交付的智能体形态：工单值班员、巡检员、报表员。它入职要配权限，离职要收权限，按「岗位」管理而不是按「程序」管理。
什么是 AgentOps
智能体的运营学科：可观测追踪、评测回归、成本分摊、生命周期管理。Agent 上线只是开始，模型、提示词、工具任何一处变更都可能引发回退，需要运营台账接住。
MCP 与 A2A 是什么
MCP 是智能体连接工具与数据源的协议，2024-11 由 Anthropic 开源、2025-12 捐入 Linux Foundation 旗下 Agentic AI Foundation；A2A 是智能体之间的互联协议，2025-04 由 Google 提出、2025-06 捐入 Linux Foundation。两者互补：一个接工具，一个连同伴。
| 对比维度 | 聊天机器人 | 工作流自动化 | RPA | 智能体 |
|---|---|---|---|---|
| 交互方式 | 一问一答，回合结束即止 | 按预设流程流转 | 回放录制的界面操作 | 按目标自主规划多步执行 |
| 自主程度 | 无执行能力 | 分支写死在流程里 | 路径固定，界面一变就断 | 可处理例外与非结构化输入 |
| 适用任务 | 问答、导购、闲聊 | 审批流转、状态机清晰的业务 | 高频重复的界面操作 | 需要理解、检索、判断再动手的任务 |
| 失败模式 | 答非所问 | 流程卡死在断点 | 操作错位、静默失败 | 做错事——所以必须配权限与审计 |
4× 对话
15× 对话
+90.2%
80%
token 经济学一句话：多 Agent 是「把钱花够」的架构，只对高价值广度任务划算。我们把用量测算写进 POC 交付物，让这笔账在立项前就算清。
Capabilities
七项能力：从场景评估到前置实施陪跑
每项能力按「输入—动作—输出」描述，交付物可核对。单项可采购，也可按项目组合。
不知道该选哪项？从「场景评估与 POC」进，两周拿到原型与评测集，再决定是否立项。
场景评估与 POC
用真实数据做可用原型，同步建评测题集与 token 用量基线，把「值不值得立项」变成有数字的判断。
输入：岗位场景描述、样例数据、现有系统清单
动作：场景拆解、原型搭建、评测集构建、用量实测
输出：可运行原型、评测报告、用量测算表
数字员工定制
围绕一个岗位把智能体做扎实：工具授权、审批节点、审计留痕齐备，按「入职一个员工」的标准交付。
输入：岗位职责、操作流程、权限边界
动作：工具集成、提示词工程、人机协同设计
输出：单 Agent 数字员工与运营手册
多 Agent 编排建设
当任务需要广度检索、交叉校验或大产物协作时，按五种编排模式选型建系统，架构服务于场景而非流行度。
输入：任务形态、吞吐量要求、预算约束
动作：模式选型、拓扑设计、运行时建设、断点续跑
输出：编排系统、全链路追踪、成本看板
MCP 集成开发
把内部系统、数据库、业务接口封装成标准化的 MCP 服务，让智能体以受控方式使用企业数据与动作。
输入：系统接口清单、权限模型、调用频率
动作：服务封装、白名单注册、输出消毒
输出：MCP 服务集与变更告警机制
Agent 治理与安全评估
对照 OWASP 智能体应用十大风险逐条体检，交付差距清单与整改路线，把「有政策」推进到「有控制」。
输入：现有智能体资产、权限配置、审计现状
动作：十条风险对照、注入测试、权限梳理
输出：差距清单、整改路线、复测口径
矩阵管理（AgentOps）
智能体多了以后的问题不是技术是管理：目录、版本、权限、成本、审计、僵尸清理，七件事一次理清。
输入：存量智能体清单、组织结构、预算科目
动作：资产登记、依赖图谱、成本分摊建模
输出：管理台账、审计链路、运营规程
前置实施陪跑（前置部署工程师（FDE，Forward Deployed Engineer）式交付）
工程师嵌入你的业务现场，跟岗观察真实流程，与业务同事共建智能体，交付的同时完成知识转移——这是 Palantir、OpenAI、Anthropic 等公司在企业落地中反复验证的交付形态。对我们而言，它意味着三件写进合同的事：流程拆到操作级、评测口径共同确认、交付物附知识转移记录。
输入：业务现场访问权限、对接人、迭代节奏
动作：驻场或远程跟岗、共建原型、逐月迭代 badcase
输出：上线智能体、运营台账、团队可接手的文档
Orchestration
Agent 编排：五种架构模式与选型判断
编排回答「谁在什么时候、以什么顺序做什么」。模式没有高下，只有适配：选错模式的代价是成本翻倍或系统失稳，这一节把判断依据摊开。
依据多智能体编排调研（2026-11）：五种模式各有成熟度与风险特征，供应商不该用一种架构接所有需求。
| 模式 | 结构一句话 | 适配任务 | 成本量级 | 主要风险 |
|---|---|---|---|---|
| 主控-工人 | 一个主控拆任务分派，工人结果回主控汇总 | 广度型研究、多部门工单汇总 | 高（约 15 倍对话） | 主控单点瓶颈、路由错误向下游传播 |
| 流水线 | 流程建模为有向无环图，按拓扑序推进 | 流程稳定、输入输出可结构化的管线 | 中（可控） | 刚性强，环境变化要改图，断点即停摆 |
| 群聊辩论 | 多个智能体同场轮流发言或互相辩驳收敛 | 事实核查、方案评审、红队对抗 | 高且随轮数上升 | 不收敛、附和、发言权调度复杂 |
| 黑板共享 | 共用一块结构化工作区，异步读写 | 大产物共创、长周期协作（报告、代码） | 低（传引用不传全文） | 并发写冲突、污染传播面大 |
| 市场竞标 | 任务广播招标，候选者投标竞争执行 | 开放环境的动态分配（概念框架） | 不定 | 信任与结算无标准，工程成熟度低 |
流程稳定可枚举吗
步骤能预先列全、输入输出可结构化——选流水线，可控性与可审计性更好，出问题容易定位到节点。
需要多视角交叉校验吗
结论要经得起推敲——用群聊辩论，但必须限轮数、设主持人裁决，否则成本随人数乘轮数上涨。
产物大且需异步共创吗
报告、代码这类大块产物——用黑板共享：各写各的产物区，只回传轻量引用，避免多级转述失真。
什么时候不该上多 Agent：强依赖全量上下文的任务（多数编码工作）、低价值高频任务——15 倍 token 开销不划算（Anthropic 工程博客实测，2025-06）。我们会在选型阶段直接劝退不合适的多 Agent 需求，单 Agent 能解决的事不收编排系统的钱。
Governance
Agent 治理与安全：五项控制、七件管理事
智能体的风险不在「说错话」，在「做错事」。公开报道的四起事故指向同一组缺失的控制——这五项是我们每个项目的内建项，不做事后补丁。
安全背景是本团队的交付底色：治理配置与审计方案随开发落地，验收时逐项核对。
按需授权
智能体只拿完成当前任务所需的按需凭据，按任务动态签发，任务结束即回收；子智能体不继承全量权限。
事故对照：编码智能体凭错误凭据误用过度授权 token，9 秒删光生产库与备份（PocketOS 事件，The Guardian，2026-04）。
工具与 MCP 管控
工具白名单注册制，工具定义做哈希固定，变更告警；工具输出按不可信输入消毒后再进入决策。
事故对照：公共 issue 中埋入注入指令，智能体用用户自己的凭据读取并外传私有仓库（GitHub MCP 事件，Invariant Labs，2025-05）。
沙箱隔离
代码执行、文件操作放进容器级隔离环境，生产与开发网络分离，破坏性接口默认禁用、按需白名单开启。
事故对照：官方编程助手扩展被注入隐藏指令，指示智能体清空文件系统与云资源（Amazon Q 供应链事件，2025-07）。
人工审批节点
读操作自动执行，写操作人工确认，删除与资金类双人复核；审批界面提供完整执行轨迹回放，防「盲目点通过」。
事故对照：办公套件智能体被一封邮件零点击诱导，经检索管道外泄内部文档（EchoLeak，CVE-2025-32711，2025-06 修复）。
审计回放
每次模型调用、工具调用、检索内容结构化留档，形成可回放的完整链路；出问题时能回答「它看到了什么、做了什么、为什么」。
标准对照：五眼指南点名智能体部署的「事件记录模糊」风险，要求审计先于扩权（CISA/NSA 等，2026-04）。
OWASP ASI01–10 对照
目标劫持、工具滥用、智能体供应链、身份与权限滥用、记忆投毒、不安全 Agent 间通信、级联失效、人机信任滥用、流氓智能体——评估服务逐条对照交付差距清单（OWASP《Top 10 for Agentic Applications》，2025-12-09 发布）。
ASI01 目标劫持 ASI04 供应链 ASI06 记忆投毒
| 管理事项 | 要回答的问题 | 落地形态 |
|---|---|---|
| 资产目录 | 组织里有哪些智能体、谁拥有、什么状态 | 中心化登记台账，新智能体先入册再上线 |
| 版本与变更 | 提示词、工具、模型版本改动谁批准、怎么回滚 | 配置版本化、灰度切流、回滚预案 |
| 依赖图谱 | 哪个智能体依赖哪些工具、数据源、同伴 | 依赖可视化，变更前做影响分析 |
| 权限传播 | 子智能体继承了什么权限，边界在哪 | 权限继承规则显式化，链路可审计 |
| 成本分摊 | 哪个部门、哪个场景烧了多少 token | 用量按口径归集，进入部门报表 |
| 审计链路 | 一次业务结果由哪条链路、哪个人审节点产生 | 全链路追踪与责任归属记录 |
| 僵尸清理 | 哪些智能体无人认领、闲置、该下线 | 定期盘点，发现-隔离-下线流程 |
规模背景：2025 年大型企业平均运行 AI 智能体不足 15 个，2028 年或达 15 万以上（Gartner，via ET CIO）——数量上去之后，上面七件事从「可以缓一缓」变成「不做就失控」。标准对照表见「标准与依据」一节。
Playbooks
数字员工定制：四类标准方案
从已经跑通过的场景里选起点，比从零设想快一个量级。每类方案按「问题—方案—交付物—验收标准」四段展开，验收口径在合同期书面约定。
内部流程数字员工
问题：审批流转、例行巡检、周期报表占用大量重复人力，出错还难追责。
方案：把流程拆到操作级，读类环节自动执行，写类环节保留人工确认。
交付物数字员工实例、权限配置单、操作手册、评测题集
验收口径：评测集达标率 + 抽检差错率 + 单据处理时长
典型场景 · 匿名：制造业月度巡检汇总，20+ 系统检查项自动核查
工单与技术支持智能体
问题：一线工单重复度高，坐席疲于应付同类问题，知识散落在文档里。
方案：检索组件作为工具接入，读操作自动应答，写操作（改单、退款、派单）人工确认。
交付物智能体实例、知识接入配置、升级转人工规则、审计日志方案
验收口径：自动解决占比 + 转人工准确率 + 首响时长
典型场景 · 匿名：园区物业服务台，报修类工单自动分派与跟踪
安全合规巡检智能体
问题：资产盘点、漏洞通告跟踪、基线核查靠人盯，滞后且覆盖不全。
方案：智能体按核查清单例行巡检，产出结构化差距报告，整改项流转到责任人。
交付物巡检智能体、核查清单库、报告模板、整改跟踪台账
验收口径：核查项覆盖率 + 通告跟踪时效 + 误报率
衔接公司网络安全业务线的既有能力，巡检口径与安全团队共用
多智能体协作的信息处理
问题：行业情报、招标信息、竞品动态分散在几十个来源，人工汇总慢且漏。
方案：按「广度检索 + 交叉校验 + 引用溯源」建多智能体流水线，产物落共享工作区。
交付物编排系统、来源白名单、引用溯源格式、成本看板
验收口径：来源覆盖率 + 引用可溯率 + 单期 token 成本
典型场景 · 匿名：区域政策申报跟踪，多渠道公告汇聚比对
以上为方案骨架，落地时按你的系统环境与数据边界裁剪。涉及既有业务系统改造的部分单独评估，不混入智能体服务费。
Packages
套餐与收费：七个套餐，区间写在明处
智能体行业报价普遍是黑箱：平台私有化刊例常见 80–130 万元、维保约一成（艾瑞，2026-08），中型定制项目多在 8–60 万元区间（阿里云开发者社区等，2025–2026）。我们把区间、计费方式与不含项全部摊开，报价前先做用量测算。
区间对应典型范围，落点由集成深度、数据规模与治理要求决定。不含项单列，预算一次算全。
| 套餐 | 计费方式 | 参考区间 | 不含项 |
|---|---|---|---|
| Agent 场景评估与 POC | 项目制 | 3–8 万（2–4 周，交付可用原型 + 评测集 + token 用量测算） | 模型 API 费、生产环境部署 |
| 数字员工定制开发（单 Agent） | 项目制 | 8–25 万（按工具集成与系统对接深度） | 模型调用费、第三方系统改造、算力 |
| 多 Agent 编排系统建设 | 项目制 | 20–60 万（架构按场景选型，不预设技术栈） | 算力与模型费、被集成系统改造 |
| MCP 服务化集成 | 项目制（按服务数） | 2–10 万 | 内部系统商务授权、第三方接口费 |
| Agent 治理与安全评估 | 项目制 | 5–15 万（对照 OWASP Agentic Top 10 交付差距清单与整改路线） | 安全产品采购、监管测评费用 |
| Agent 矩阵管理落地（AgentOps） | 项目制+月框 | 8–20 万（目录/权限/成本分摊/审计链） + 1–3 万/月运营 | 云资源、商业平台 License |
| 前置实施陪跑（FDE 式交付） | 月框 | 2–6 万/月（3 个月起，远程嵌入或驻场） | 全职开发人力、7×24 待命 |
以上为参考区间，用于判断投入量级。实际费用以项目范围、资产规模、交付周期、人员配置与合同约定为准。等级保护测评结论须由具备资质的测评机构出具，我方承担咨询与整改配合。
Agent 运行存在持续的模型调用（token）成本，多家机构口径为同任务下聊天形态的数倍到十余倍，具体倍率随任务形态差异大，任何报价都以实测用量测算为准，不以倍率作承诺。
付款节点挂可验证交付物（POC 评审、灰度上线、终验三段常见）；技术支持与顾问类投入按 1000–3000 元/人天、依人员能力分档计价。价格数据更新于 2026-11-11。
Delivery
交付五步：前置实施式推进
借鉴 Palantir、OpenAI 等公司验证过的前置部署模式：工程师嵌入业务现场共建，验收口径先于开发确定，交付即知识转移。五步每步有产出物，不靠口头汇报推进。
行业侧的证据：75% 的央国企采购方更看重驻场调研、业务诊断与闭环交付能力（爱分析，2026）——我们把这条做成了标准流程而非卖点话术。
-
01
场景勘察
工程师驻场或远程跟岗，把目标流程拆到操作级，记录数据流向与权限现状，识别哪些环节适合自动化、哪些必须留人。
产出《场景与数据清单》
-
02
原型与评测集
先定验收口径再动工：用真实样例建评测题集，约定达标率门槛与 token 用量基线，然后搭可运行原型——能过评测集才算原型完成。
产出评测集 + 用量基线 + 原型
-
03
治理内建
权限边界、审批节点、审计留痕与工具白名单随开发同步落地，不做事后补丁。治理配置表与代码同版本演进。
产出权限配置 + 审计方案
-
04
灰度上线
人机协同运行，高危动作双人复核；做断点续跑演练，失败可从检查点恢复而非从头再来。灰度期收集 badcase 逐周迭代。
产出灰度报告 + 回归记录
-
05
交接与陪跑
知识转移文档、运营台账、迭代方法一并交接，你的团队可以接手；需要时续月框陪跑，按月复盘用量与 badcase。
产出运营台账 + 转移记录
Standards
标准与依据：评估与治理对照的基准文件
治理评估不靠自造清单，逐条对照下列现行标准与协议治理框架。涉及中国监管的条目，我们按适用范围提示义务，不替代监管结论。
| 标准 / 框架 | 发布方 | 版本 / 时间 | 在本站的用途 |
|---|---|---|---|
| Top 10 for LLM Applications | OWASP GenAI Security Project | 2025 版 | 提示注入、敏感信息泄露、无上限消耗等基线条目 |
| Top 10 for Agentic Applications（ASI01–10） | OWASP GenAI Security Project | 2025-12-09 发布 | 治理评估的逐条对照清单 |
| MITRE ATLAS | MITRE + CTID | 持续更新知识库 | 对抗战术与技术映射，红队测试参考 |
| AI Risk Management Framework（AI RMF 1.0） | 美国 NIST | 2023-01 发布 | Govern/Map/Measure/Manage 治理组织语言 |
| ISO/IEC 42001:2023 | ISO/IEC JTC1 SC 42 | 2023-12 发布 | AI 管理体系（AIMS）建设参照 |
| 《生成式人工智能服务管理暂行办法》 | 网信办等七部门 | 2023-08-15 施行 | 面向公众提供生成内容服务的合规边界 |
| 《人工智能生成合成内容标识办法》与 GB 45438-2025 | 四部门 / 市场监管总局 | 2025-09-01 施行 | 生成内容显式与隐式标识义务 |
| GB/T 45654-2025 生成式人工智能服务安全基本要求 | 国家标准委 | 2025-11-01 实施 | 语料与模型安全、安全措施评估方法 |
| Careful Adoption of Agentic AI Services | CISA、NSA 等五方联合 | 2026-04 发布 | 按需授权、即时凭据、沙箱执行的采用前提 |
| MCP 与 A2A 协议 | Linux Foundation（AAIF / Agent2Agent Project） | MCP 2025-12 捐入、A2A 2025-06 捐入 | 集成与互联的中立治理协议基座 |
标准以官方发布文本为准，项目启动前逐条核对适用版本。监管结论以主管部门口径为准，我方承担对照、整改与配合。
Myths
五个常见误区，每个都在花冤枉钱
这些判断来自调研数据与我们自己的项目复盘，写出来的目的是帮你在立项前省一轮学费。
上线即结束
模型版本、提示词、工具任一处变更都可能让质量回退。上线只是评测的起点：回归评测集、用量复盘、badcase 迭代要排进运营节奏，否则三个月后系统悄悄变笨。
多智能体一定更强
多 Agent 在广度型任务上提升明显（内部评测高 90.2%，Anthropic，2025-06），但 token 消耗约为对话的 15 倍。低价值高频任务用单 Agent 或脚本，这笔账要算在立项前。
治理是大企业的事
一个数字员工删错库，对小企业同样是致命事故（参见 PocketOS 事件，2026-04）。权限、审批、审计的成本随规模增长，但必要性不随规模打折。
低代码平台拖拽就行
2026 年上一代智能体平台集中退场：Coze 企业版 2026-10 发布下线公告（存量 2027 年底前全部），腾讯元器同期停服。固定流程图的价值正被模型自主规划能力吞并——选型押注编排框架与开放协议，而非某个低代码平台。
交给 IT 部门立项就行
只有 IT 部门感兴趣的项目容易停在技术验证；业务方主导、场景定义可验收的项目更容易走到生产。采购侧的投票也很明确：75% 的央国企更看重驻场调研、业务诊断与闭环交付能力（爱分析，2026）。立项时让业务负责人在验收标准上签字，比任何技术评审都管用。
Team
团队与资质：安全纪律带进智能体交付
天枢云智（tsyzai.com）以安全工程为底色做智能体交付。权限设计、审计留痕、审批纪律这些别人当加分项的东西，在我们的项目里是默认配置。
归属边界：个人资质不等同于公司独立客户案例。项目报价与交付由湖南天枢云智科技有限公司承担，具体范围以合同为准。
CISP 2022
注册信息安全专业人员认证
张鹏于 2022 年取得 CISP 认证。智能体的权限模型、注入防护与审计设计按安全工程口径推进，治理评估对照 OWASP 条目逐项交付。
2021–2023
奇安信任职与冬奥保障经历
张鹏 2021–2023 年在奇安信网络安全部门任职，参与 2022 年北京冬奥会网络安全保障工作。重保级的留痕与审批纪律，直接映射为智能体项目里的双人复核与审计回放。
2025.06 起
人社部备案讲师与知识转移能力
张鹏为人社部备案职业技能老师，2025 年 6 月起开设网安与 AI 课程，累计学员 100 余人。前置实施交付的收尾一步是把系统交到你的团队手里——讲课的能力就是交接的保障。
2025.09
公司化运营
湖南天枢云智科技有限公司成立于 2025 年 9 月，智能体定制开发为独立业务线，与安全、AI 应用等业务线并行，互为支撑。
FAQ
常见问题：12 个高频疑问直答
每条答案独立可读，报价与周期口径与套餐表一致。
定制一个 Agent 大概多少钱？
分三档参考：场景评估与 POC 3–8 万，单 Agent 数字员工 8–25 万，多 Agent 编排系统 20–60 万。Agent 运行另有持续的模型调用成本，同任务下常为聊天形态的数倍，任何报价都以实测用量测算为准，不以倍率作承诺。
智能体项目多久能上线？
POC 阶段 2–4 周出可用原型与评测集；单 Agent 数字员工通常 4–8 周到灰度上线；多 Agent 系统取决于架构模式与集成面，按场景评估后给排期。治理与审批节点随开发同步落地，不放到上线后补。
智能体和聊天机器人有什么区别？
聊天机器人以对话回合为单位回答问题，不持有工具也不对结果负责；智能体能感知任务、调用工具、多步执行并把事做完，失败模式也从「答错话」变成「做错事」。因此智能体交付必须带权限边界、审批节点与审计留痕。
和 RPA 或自动化脚本有什么区别？
RPA 按录制的固定路径操作界面，路径一变就失效；智能体按目标自主规划步骤，能处理非结构化输入与例外分支。两者常配合使用：稳定高频的环节交给脚本，需要理解与判断的环节交给智能体。
数据不出内网可以做吗？
可以。支持三类路径：内网部署智能体运行时、本地开源模型承担敏感环节、仅把脱敏摘要送出外部模型。数据分级与出站过滤在方案期一并设计，检索组件只作为智能体的一项工具登记管理。
需要先买一个开发平台吗？
不一定。边界清晰的单场景用开源框架直接搭建更省；需要多人协作、可视化运维与权限体系时再引入平台。2026 年上一代智能体平台集中退场，选型建议押注编排框架与开放协议，而非绑定某个低代码平台。
token 成本能控制住吗？
可控但需设计：先做用量测算定基线，再按任务分级路由模型、复用缓存、限制多 Agent 并行度。多机构口径下 Agent 单任务 token 消耗为聊天形态的 5–30 倍，倍率随任务形态差异大，所以用量数据要进运营台账逐月复盘。
交付物具体有哪些？
源码与部署配置、评测题集与达标率口径、权限与审批配置、审计日志方案、token 用量基线、运营文档与知识转移记录。软件交付物清单在合同附件逐项列明，便于对照验收。
项目怎么验收？
验收口径在原型阶段书面约定：评测集达标率门槛、人工抽检比例、token 用量上限、高危动作审批覆盖率。按指标交付，不写结果承诺；未达标项进入整改清单，闭环后复测。
上线之后谁来维护？
模型、提示词、工具任一变更都可能引发质量回退，上线只是起点。可续前置实施陪跑月框：回归评测、badcase 迭代、用量复盘与新场景排队；也可交接给自有团队，我们交付运营台账与迭代方法。
能对接我们现有的系统吗？
能。路径按复杂度分级：开放接口直接封装、老系统包一层 MCP 服务、无接口的用受控操作代理。集成深度影响工期与报价，商务授权与第三方接口费单列，不混进服务费。
湖南本地能驻场吗？
湘西本地团队，州内可随排期驻场；长沙项目按周排期到场，其余地区以远程嵌入为主、关键节点到场。驻场与远程的配比在方案期写明，差旅按实际列示。
想系统了解选型与治理？阅读《企业智能体落地指南》
Contact
预约场景评估，从一次初诊开始
把拟落地的场景、现有系统与数据边界写下来，我们按「能不能做、值不值得做、先做哪一步」三个问题回复，工作日当天响应。评估不收费，方案文档属于交付物、按项目计价。
填表后页面会生成需求摘要，直接微信发给我们即可；电话沟通效率更高。
页尾更新日期 · 作者：张鹏（CISP 2022）。行业数据引用截至 2026-11-11，来源与时间随文括注。