对话花房集团：企业Agent如何从个人提效走向组织协同

当Agent真正进入企业业务之后，如何把模型能力转化为稳定、可验证的业务结果？

这是越来越多企业都在面临的问题。

作为在线音视频社交娱乐行业的头部企业，花房集团给出了他们的实践答案：

半年时间，花房集团落地30多个Agent应用入口，搭建企业级Agent操作体系，并进一步探索不同部门Agent之间的协同，让Agent从“个人助手”走向组织应用。

半年落地30多个入口，Agent进入真实业务

近期，花房集团·花椒直播CTO&超序AI创始人兼CEO封冰清，在数美科技Agent安全系列沙龙中，分享了花房集团的企业Agent实践。

目前，花房集团分别面向花椒直播业务和集团中台建设了相互隔离的Agent体系。

其中，花椒侧已形成约25个应用入口，主要覆盖产研、产品、设计、运营、数据及经营分析等场景；集团中台则围绕结算、行政、法务、政府事务、采购等支持职能搭建Agent应用。两套体系在数据和组织权限上相互隔离，以减少跨业务数据调用和权限漂移风险。

最新一期数据报告显示，花房集团内部30多个Agent入口已产生6000多次对话、11万余次模型请求，以及近7万次自动化脚本执行。

从应用方向来看，这些Agent大致可以分为三类：

一类围绕经营指标和业务数据提供分析建议，辅助经营判断；一类服务合同审核、投诉处理、政策材料整理等专业工作；还有一类用于设计、活动页面生成、需求文档整理等日常提效场景。

随着应用数量增加，Agent逐步从员工个人转向部门协同，连接企业数据、知识库、业务系统和实际工作流程。

当Agent开始连接知识库、业务数据和企业内部系统，企业关注的重点也从“能不能完成任务”，进一步转向如何让Agent在真实业务中稳定、可控地运行。

从“能用”走向规模化，治理能力成为关键

封冰清表示，为了管理不断增加的Agent应用，花房集团从企业内部治理入手，搭建了四层Agent体系。

第一层是应用和业务入口。

员工可以通过对话、工作台、钉钉或原有业务后台等方式使用Agent。

第二层是企业控制与治理。

主要管理用户身份、权限、Agent9资产、版本和资源使用情况。

第三层是运行时。

负责加载Skill、MCP和工具，并管理任务执行状态。

第四层是工作环境。

连接企业知识库、本地文档、数据库、内部系统、第三方服务，以及本地设备、内网服务器和受控运行环境。

对于准备进入正式业务的Agent，花房会提前明确任务目标、发起主体、可调用的数据与资源以及验收责任人。完成验证并正式上线时，再固定关键模型、Skill、工具、授权范围和运行环境，并保留必要的运行记录。

围绕Agent的企业化运行，花房集团重点实现三点：版本可控、权限清晰、运行可追溯。

对于同时布局国内外业务的花房集团而言，数据和知识边界尤其重要。

封冰清提到，不同地区需要使用不同的政策法规和业务知识，国内业务、东南亚业务、北美业务等知识库需要分级管理。不同子公司之间的数据和组织权限也要保持清晰隔离，避免Agent错误调用不属于当前业务范围的信息。

从个人助手走向组织协同，让经验沉淀为企业资产

企业Agent落地过程中，技术并不是唯一难点。

封冰清在会后采访中表示，如何让员工愿意用、持续用，并最终形成组织能力，同样关键。他表示：“一定是先有人工，再有智能。人要先定义Agent，知识也需要人来整理。”

正因如此，花房集团在推广Agent时，首先从各部门最直接、最频繁的业务痛点切入，让员工直观感受到Agent带来的实际价值。

以运营数据查询为例，过去员工在夜间或节假日处理问题时，需要打开电脑、连接公司网络，再进入业务后台查询数据。接入Agent后，部分查询可以直接通过钉钉对话完成。

一个具体问题被解决之后，员工对Agent的价值感知也更加直接。封冰清提到，随着首批场景落地，其他部门开始主动提出新的Agent需求，内部甚至需要排期推进。

但花房集团希望Agent最终解决的，并不只是“每个人拥有一个AI助手”。

目前，许多办公Agent仍以个人提效为主，不同员工、不同部门分别使用自己的工具，经验和结果难以共享。花房集团正在进一步探索“组织化”的Agent协同方式：从企业经营目标出发，以自上而下的方式推动不同部门Agent联动。

例如，当企业关注开播、转化、充值等经营指标时，上层Agent可以结合不同业务数据形成判断，再推动产品、运营、技术等部门Agent围绕同一目标协同工作。

在这一思路下，经过验证的个人经验也将逐步沉淀为部门知识、业务规则和企业可复用的资产，让Agent从个人效率工具进一步成为组织能力的一部分。

花房集团 × 数美科技，AI安全能力接入Agent关键链路

此前，数美科技已长期服务花房集团直播与在线社交业务，为文本、图片、音视频等内容提供风险识别能力。随着生成式AI和Agent逐步进入业务场景，双方的合作也从传统内容安全进一步延伸至AI应用安全。

在企业Agent建设初期，花房集团便把输入输出安全设为基础红线，尽量避免原则性风险进入业务。

用户提交问题、上下文、文本材料等内容后，会先进行输入侧风险检测；完成模型调用、知识加载和工具执行后，生成的文本、图片等结果也会再次经过安全判断，最终再由花房结合实际业务规则决定如何处置。

数美在此过程中提供基础风险识别，花房集团则结合使用主体、业务用途、数据敏感度、输出渠道和动作影响范围进行综合判断，并根据场景采取放行、脱敏、限制、人工复核或拦截等不同策略。

不同业务场景的安全尺度也不相同。内部数据分析等场景需要保留一定探索空间；涉及专业材料和敏感信息时，需要加强审核与脱敏；面向用户或外部渠道发布的内容，则需要更加严格的安全控制。

合同审核就是其中一个典型场景。

合同进入Agent处理前，花房集团首先在企业内部完成OCR识别和敏感信息处理，将姓名、地址、账户、手机号等字段按规则替换或脱敏。高敏信息尽量留在内网，本地处理完成后，脱敏内容才进入外部模型。最终结果返回业务系统，由法务人员确认。

这种方式将本地数据处理、AI安全围栏与人工审核相结合，在使用大模型能力的同时，降低敏感信息外泄的可能性。

花房集团的治理经验说明，Agent安全并不依赖单一环节。企业在建立自身业务规则和管理机制的同时，也需要将安全能力嵌入应用链路。

花房集团与数美科技的合作，也在实践这样一种治理思路：Agent落地进入真实业务的同时，也让安全能力贯穿业务全生命周期，让Agent运行始终保持安全、可信、可控。