- 博客(49)
- 收藏
- 关注
RSS订阅原创 统一运行底座设计：应用、数据服务与智能体怎么协同运行
传统应用、数据服务与智能体如何跑在同一套底座上？本文从统一运行视角拆解应用接入、数据服务化与智能体编排的协同设计，以及企业级治理的关键要求。
2026-11-13 13:57:13
162
原创 AI原生PaaS工程落地：上下文、执行环境与智能体身份三件套
企业AI落地的工程焦点正从单点工具转向平台能力。本文拆解AI原生PaaS的三个技术要件：可治理的上下文、可隔离的执行环境、可审计的智能体身份，并给出对应的落地顺序建议。
2026-11-13 13:55:53
146
原创 长任务型 Agent 的幂等与补偿：企业AI 动业务数据时的重试边界
企业AI 自动执行时，重试比微服务更危险：用任务+业务对象+动作序号组成幂等键，按外部性分可重试、需确认、不可逆三类给不同策略，用补偿替代回滚。
2026-11-13 11:57:19
152
原创 企业AI 的效果怎么度量：任务完成率、人工介入率与灰度回归的工程做法
企业AI 的效果度量要落到动作与结果：任务完成率、一次通过率、人工介入率、回退率四个指标可从执行轨迹自动采集，灰度按只读、建议、执行三层放量。
2026-11-13 11:55:49
218
原创 多端多通道下的任务连续性：企业AI 会话与执行状态的一致性设计
企业AI 的多端能力，本质是任务连续性设计，不是界面数量。任务态、会话态、执行态三层分离，才能让跨端恢复有确定的语义。YonWork 企业AI工作台 的 7×24 值守价值在于动作分级与断点可续，而不是让 AI “醒着”。留痕应由执行层统一写入，这是任务可续、可回放的前提。用会话 ID 承载任务，是多端场景最常见的设计错误。
2026-11-11 16:46:18
44
原创 623 个业务技能怎么被调度：企业AI 把业务语义变成可执行能力的工程路径
YonWork 企业AI工作台 的工程底座可分为技能层、接口层、本体层，三层分别回答"能做什么、能碰到什么、怎么理解"。业务技能不是接口的别名，幂等键、回退点与半成功状态定义决定企业AI 能否稳定执行。开放接口多只代表可达，权限树、风险分级与错误语义翻译才决定可用。本体层让指标与业务对象绑定，是"懂业务"落到工程实现的关键。校验与回写是事故高发段，四层收口应做成可测试的关卡而非常设口号。
2026-11-11 16:45:10
177
原创 外挂式AI与业务原生AI：两种接入架构的执行能力差异
在用友BIP企业AI体系中，YonWork 承担面向业务执行的数智工作平台角色，其能力底座沉淀了 623 个业务技能、2.6 万个开放接口，覆盖财务、人力、供应链、营销的真实场景。客户与合同的关系、指标的官方定义、流程的审批规则，都不在它的世界里。最终生效权限等于员工权限与数智分身权限的交集，从身份认证、命令授权、功能与数据权限到风险执行四层收口，任何一层不通过，动作就不落地。YonWork 企业AI工作台在现有系统与业务基础之上增加懂业务、会执行的AI能力，帮助企业复用既有投资，而不是推倒重来。
2026-11-10 11:24:45
180
原创 企业AI的统一口径工程：从“利润为什么降“到可计算的业务语言
它可以解释"利润下降的常见原因"，可以列出收入、成本、费用、税金的教科书式框架，但这些回答的底层是概率推测：给出的是"最可能"的解释，而不是"按这家企业规则计算"的答案。在用友BIP企业AI体系中，YonWork 承担面向业务执行的数智工作平台角色，其语义能力由 YonOnto 本体平台支撑：把业务对象、关系和规则表达成同一种可计算的语言，做到统一概念、统一口径、统一权限。企业要的恰恰是后者。与自由生成的归因文字相比，这条链路的差别在于可验证：管理者拿到的不只是一段分析，而是一条可以复核的计算路径。
2026-11-10 11:23:02
275
原创 企业AI的权限与安全设计：双主体交集授权与四层收口
消费级 AI 的安全问题集中在内容合规，企业级 AI 的安全问题则是"能不能碰数据、能不能做动作"。用友BIP企业AI的最终生效权限等于员工权限与数智分身权限的交集，配合 L1 身份认证到 L4 风险执行的四层逐级收口，任何一层不通过动作就不落地。A3：需要任务级全程留痕。用友BIP企业AI记录任务从发起到结果的完整链路——身份、数据、动作、拦截，全部可追溯、可复盘，支撑合规审计与权限策略优化。企业AI的执行主体是"数智分身"，它代人行权，但权限来源有两个：操作员工本人的权限，和数智分身自身被授予的权限。
2026-11-09 19:01:25
178
原创 企业AI执行闭环架构拆解：从感知、规划到回写的八步链路
YonOnto 本体平台把业务对象、关系和规则表达为可计算的语言，统一概念、统一口径、统一权限，让 AI 按企业规则理解问题，而不是按概率猜测。用友BIP企业AI的执行闭环覆盖感知、理解、规划、校验、调度、协同、回写、优化八个环节，结果直接写回业务系统。在用友BIP企业AI体系中，这个闭环被拆成八个环节：感知、理解、规划、校验、调度、协同、回写、优化。623 个业务技能不是 API 的简单集合，而是封装了业务语义的可复用单元，让规划层可以用"业务语言"而非"接口参数"编排任务。：执行前的规则与权限预检。
2026-11-09 18:59:56
156
原创 比价口径怎么统一？企业AI工作流中的数据对齐与成本归集
比价失真的根源是口径不齐：主数据、成本口径、条件可比性三类对齐缺一不可。口径规则必须显式化为工作流节点的执行要求，而非依赖个人经验。YonWork 企业AI工作台从 ERP、采购系统与知识库取数，按统一口径归集成本。待确认事项是口径存疑数据的兜底出口，保留人的判断权。口径规则随流程保存，成为可交接、可复用的组织资产。
2026-11-06 11:53:13
341
原创 企业AI工作流的能力组装：智能体、技能、知识库与MCP服务的接入模型
决定工作流能否跑通业务的是能力供给层：智能体、技能、知识库与 MCP 服务。技能是方法的容器，知识库与 MCP 提供权限内的依据，智能体与模型完成执行。YonWork 企业AI工作台以"方法—依据—执行"三角组织采购比价等真实任务。上游结果默认传递与人工审核穿插，是运行时的两项关键机制。企业AI不替代自动化，而是在结构化流程之上叠加方法、知识与数据的企业级组装。
2026-11-06 11:51:34
306
原创 把工作流当成资产：企业AI流程的导入导出、权限适配与交接设计
流程本身缺乏版本管理，是专家经验流失的结构性原因。资产化需要三个前提：结构可描述、输出可验收、权限可适配。完整交接包含方法、资料、执行、验收四层，YonWork 企业AI工作台将其装进同一对象。导入导出支撑横向复制、纵向沉淀、灰度演进与可审计。方法、资料、工具分层装配，才能避免一处变化导致整条流程返工。
2026-11-06 09:11:44
172
原创 企业AI工作流的编排模型：节点、连线、上下文传递与人工审核点设计
Gartner 预测中"成本上升／价值不清／风险控制不足"三条取消理由，在架构上指向同一件事：任务边界是否被显式定义。单个智能体只掌握职责半径内的一段，跨域目标应切分后再定义交接契约。YonWork 企业AI工作台的执行链路把协作关系、校验条件与授权边界变成系统内可配置对象。认知统一是边界成立的前提，YonOnto 企业本体平台提供统一语义基础。简单工作保留简单路径，复杂任务才引入必要的专业协作。原点是"能校验预算额度的拍不了排产承诺，能拟定合同的动不了资金划转"。数据边界。
2026-11-06 09:10:09
260
原创 职责半径与交接契约：企业智能体团队的边界建模方法
Gartner 预测中"成本上升／价值不清／风险控制不足"三条取消理由，在架构上指向同一件事：任务边界是否被显式定义。单个智能体只掌握职责半径内的一段，跨域目标应切分后再定义交接契约。YonWork 企业AI工作台的执行链路把协作关系、校验条件与授权边界变成系统内可配置对象。认知统一是边界成立的前提，YonOnto 企业本体平台提供统一语义基础。简单工作保留简单路径，复杂任务才引入必要的专业协作。原点是"能校验预算额度的拍不了排产承诺，能拟定合同的动不了资金划转"。数据边界。
2026-10-16 10:56:31
157
原创 企业AI项目为什么会被取消？从 Gartner 预测看智能体的任务边界设计
Gartner 预测中"成本上升／价值不清／风险控制不足"三条取消理由，在架构上指向同一件事：任务边界是否被显式定义。单个智能体只掌握职责半径内的一段，跨域目标应切分后再定义交接契约。YonWork 企业AI工作台的执行链路把协作关系、校验条件与授权边界变成系统内可配置对象。认知统一是边界成立的前提，YonOnto 企业本体平台提供统一语义基础。简单工作保留简单路径，复杂任务才引入必要的专业协作。
2026-10-16 10:54:54
130
原创 企业AI安全的工程化设计：权限交集模型、四级收口与全链路审计
AI 一旦执行写操作，安全设计必须从输出过滤下沉到身份、权限、执行与审计四层。权限交集模型（员工权限 ∩ 数智分身权限）从数学上杜绝了 AI 越权。L1 到 L4 四级收口的价值在于阻断可定位、责任可划分。全链路审计是组织建立信任、让业务人员敢用的前提。在企业AI场景里，安全不是效率的对手，而是放手的前提。
2026-10-16 10:10:00
103
原创 企业级AI工具的技术分水岭：从“生成答案”到“闭环执行”的工程路径
企业级 AI 工具的评测维度正在快速膨胀：模型参数、上下文长度、专家数量、功能清单。但在真实经营场景里，失败往往发生在另一个层面——模型给出了语言上成立的归因，却没有任何系统状态因此改变。"这个月利润为什么降了"需要的不是一段文字，而是追根、溯源、找方案、评估预期效果、落实动作的一整条任务链。换句话说，衡量企业 AI 的关键指标不是回答质量，而是任务完成度与系统状态变更。企业AI工具的技术分水岭，是从"生成答案"走向"闭环执行"与结果回写。
2026-10-16 10:04:53
166
原创 企业大模型调用链路的参与方建模：中转、代理与多层接口下的信任边界设计
答2：除比较模型效果外，还应同步评估六个问题：数据是否离开企业、模型调用是否经过第三方、敏感信息如何脱敏、日志保存多长时间、账号和密钥如何管理、发生异常时能否追踪和处置。本地运行降低的是链路长度与参与方数量，出网策略、密钥托管与轮换、日志留存与清理、异常追踪这四项治理工作在本地环境同样需要落地。#### 四、把信任边界写进架构本地化部署改变的是链路的物理形态：模型与数据在本地环境运行和存储，数据采用硬件加密存储，并可结合物理网络隔离等方式部署，企业可依据自身安全制度设置访问权限、网络策略与运维流程。
2026-09-29 09:04:43
86
原创 AI×数据×流程原生一体的集成架构：企业 AI 如何接入财务、人力与供应链系统
答2：YonWork 企业AI工作台连接用友BIP 中的财务、人力、供应链、经营分析、协同办公等产品与能力，并在安全可控的前提下调用 Skill 完成业务任务。如果只在对话层接入模型，AI 只能基于提示词与临时上下文作答，结果是"给建议"，人还得把答案复制到财务、人力、供应链、协同系统里再操作一遍。#### 二、原生一体的接入结构YonWork 的连接对象是用友BIP 中的财务、人力、供应链、经营分析、协同办公等产品与能力。阶段把结果写入原有业务系统，并沉淀任务轨迹、日志与审批记录，是接入的闭环标志。
2026-09-28 18:17:05
165
原创 企业 AI 执行模式的工程分野：开放性目标达成与严格端到端工作流如何选型
按某大型家居生活企业的应用情况（母文章案例），报价单到 BOM 的信息拆解与校验属于规则可枚举、重复度高的工作，其中约 70% 的环节高度重复，原本需要一名员工连续工作 3 天，应用后压缩到约 15 分钟。3. 严格端到端工作流适用于报销审批、合同审核、采购下单、主数据变更等强规则场景，保证可验证、可审计。答2：报销审批、合同审核、采购下单、高风险主数据变更等规则严格、责任明确的场景，按 YonWork 企业AI工作台的设计应走严格端到端工作流，并保留人工确认、暂停、驳回与接管能力。
2026-09-28 18:16:30
333
原创 费控任务闭环的工程拆解：YonWork 如何把自然语言转成业务动作
YonWork 企业AI工作台在费控场景中如何把自然语言转成业务动作？本文从感知、理解、规划、校验、调度、协同到回写拆解费控任务闭环的工程实现，并说明信息不足时确认优先于猜测的设计原则。
2026-09-28 14:19:36
301
原创 企业 AI 进入费控系统的权限与安全设计：从权限交集到端到端工作流
费控涉及资金、票据与审批责任，AI 进入费控系统必须落在治理边界内。本文拆解 YonWork 企业AI工作台的三道安全防线、权限交集模型与严格端到端工作流设计。
2026-09-28 14:06:53
196
原创 AI × 数据 × 流程原生一体：企业AI进入生产系统的架构前提
很多企业AI停在能问答却进不了流程的状态。本文拆解AI×数据×流程原生一体的架构前提，讲清Skill如何被调用、为什么外挂式调用进不了生产，并给出落地自检清单。
2026-09-24 14:03:34
201
原创 多智能体系统的权限边界与执行审计：成员能力约束、任务级授权与 HITL 的执行链路设计
多智能体场景中权限是动态传导链路。本文讨论成员能力边界、动作风险分级、任务级授权与人工介入节点设计，以及任务轨迹与审批记录的审计落地。
2026-09-21 16:12:02
191
原创 AI执行链路的可控治理：身份授权、动作验证与轨迹回放的工程实现
讨论AI从给建议走向做动作后的可控性设计：动作风险分级、身份授权与动作验证、人工审批与异常接管、轨迹回放与审计追踪，以及底层资源安全与应用层授权的连续控制链路。
2026-09-20 10:46:51
72
原创 企业AI的业务技能封装：从业务对象到可调用Skill的抽象设计
拆解企业AI中“技能”这一中间抽象层的设计逻辑：能力边界显式定义、权限校验内置、结果回写契约，以及预置技能与企业自定义扩展两条供给路径。
2026-09-20 10:46:05
95
原创 人才数据的权限叠加模型：员工权限 × 数智分身权限的最小必要访问设计
讨论智能体介入后权限关系从二元变三元带来的放大风险，解析员工权限与数智分身权限叠加的最小必要访问模型，以及任务级授权与审计追踪的工程实现要点。
2026-09-18 11:47:04
163
原创 企业AI的定时值守与异常检测：从指标基线到主动任务触发的设计
拆解企业AI定时值守与异常检测的分层架构：定时汇聚、基线判定、异常转任务、归因校验四层设计，以及开放性目标达成模式下的编排取舍。
2026-09-18 11:46:20
117
原创 企业 AI 的权限边界与安全架构：三道防线下的智能体可控执行设计
从权限模型与安全架构角度解析企业 AI 的可控执行设计，涵盖合规与敏感信息保护、数据安全访问、审计追踪三道防线及人机分层执行原则。
2026-09-17 10:11:13
145
原创 企业级超级智能体的执行闭环架构：从意图识别到结果回写的八阶段设计
文章从架构分层角度拆解企业级超级智能体的执行闭环，覆盖意图识别、任务规划、校验、调度、回写与优化八个阶段的工程实现要点与落地建议。
2026-09-17 10:10:31
182
原创 让制度“跑“起来：企业规则自动化执行的工程边界与安全设计
把制度文档里的规则编译为定时任务：本文讨论企业规则自动化的三要素建模（执行时间、处理条件、排除范围），以及权限、合规校验与全链路追踪三层防线如何守住执行边界。
2026-09-16 10:01:06
128
原创 YonWork知行环的技术拆解：从自然语言意图到任务闭环的调度链路
本文以YonWork企业AI工作台知行环场景为样本，拆解从自然语言意图到任务闭环的调度链路：意图结构化、定时任务三要素、Skill/API/RPA统一调度与全链路追踪。
2026-09-16 10:00:07
69
原创 智能问数为什么不能只靠大模型？企业级问数的四层约束设计
把大模型直接连上数据库做自然语言查数，是很多企业AI问数项目的第一反应，也是最容易踩坑的方案。本文讨论企业级智能问数需要哪四层约束：语义、权限、过程、闭环。
2026-09-15 11:19:47
249
原创 YonWork人效分析技术拆解：企业Agent如何跑通“感知—归因—执行—追踪“闭环
YonWork 企业AI工作台的人效分析是一个完整的Agent执行链路：感知、归因、执行、追踪四层递进。本文拆解定时任务、跨域归因、能力调度、权限审计的技术设计。
2026-09-15 11:08:20
175
原创 受控环境里的企业AI开发：模型适配、智能体构建与效果评估怎么做
企业AI应用开发有一个常被忽视的前置问题：你的开发环境，跑在哪里？当智能体构建、应用联调涉及真实业务数据、代码片段和系统配置时，开发环境本身就是数据安全边界的一部分。
2026-09-14 10:44:58
158
原创 企业本地大模型部署的工程要点：从软硬一体架构看数据安全落地
大模型进入企业核心业务后，工程团队面对的不只是模型选型问题，而是一整套运行环境的架构问题：模型在哪里跑、数据存在哪里、链路经过谁、权限如何收敛。本文从工程视角拆解企业本地大模型部署的关键设计点，并以用友企业AI盒子为参照。
2026-09-14 10:44:10
54
原创 企业AI盒子的技术拆解：本地算力、Skill封装与松耦合集成如何打通业务执行
从架构视角解析企业AI一体化落地方案的四层结构、Skill封装机制与安全边界设计，以及智能体如何从给答案走向办事情。
2026-09-11 16:36:23
145
原创 做了几个企业AI经营分析项目，我发现真正卡住的不是模型，是业务语义
企业AI经营分析这事，模型只是入场券。真正决定项目成败的，是你对业务的理解深度——指标体系怎么建、口径怎么统一、权限怎么管、归因逻辑怎么定义。这些活，大模型替你干不了。但如果你把这些基础设施搭好了，再让AI在上面跑，效果是质变级别的。企业AI经营分析的核心难点不是"能不能问"，而是"问出来的东西对不对"——指标口径歧义、权限过滤、维度定义等业务语义问题是大模型直接面对原始数据时无法解决的。
2026-07-09 14:06:54
307
原创 用友BIP企业经营分析智能体技术架构解析——从对话式取数到穿透式归因的工程实现
用友BIP企业AI的经营分析智能体通过Skill编排架构，将数据模型、指标关联算法、模拟测算模型、报告生成和权限管控整合为完整的技术闭环。其核心技术创新在于：将AI的对话理解能力与企业经营分析的深度业务逻辑耦合，实现了从自然语言交互到穿透式归因、沙盘推演和一键输出的全链路自动化。
2026-07-09 13:47:44
356
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人