智治中枢:面向企事业单位的AI智能体服务及管控平台

本文介绍郑州数能软件科技有限公司的智治中枢:面向企事业单位的AI智能体服务及管控平台,为企业AI生态提供核心基础架构。全员可用工作台与控制台,把多个智能体、业务规则与人工审批编排进同一工作流,以可编排、可治理、可审计约束经营动作合规可控可追溯。

智治中枢:面向企事业单位的 AI 智能体服务及管控平台

—— 郑州数能软件科技有限公司赋能企业 AI 生态建设的核心基础架构


智治中枢的定位,不是又一个对话助手,而是面向企事业单位的 「AI 智能体服务及管控平台」:为企业 AI 生态提供可落地的核心基础架构。工作台与控制台面向企业全员,业务人员做事、管理人员管控,用的是同一套入口。

作为企业 AI 能力的 编排与管控中枢,它把多个智能体、业务规则与人工审批编排进同一工作流,并以「可编排、可治理、可审计」为硬约束——凡有 AI 参与的经营动作,都必须合规、可控、可追溯。由此,AI 才能真正嵌入经营、管理、生产等核心环节,逐步覆盖全业务场景,并支撑企业整体 AI 能力持续进化。

郑州数能软件科技有限公司(以下简称"数能软件")推出的 智治中枢(Agent Governance Hub),即按这一目标建设。


一、智能体进企业后,真正卡住的是什么

很多企业已经"上了 AI":有的团队用现成助手写邮件,有的用编排工具搭了几个流程,有的把模型接到了报价或客服系统。表面热闹,内部却常常是这样:

  • 找不到:谁也不清楚全公司到底有多少智能体、各自负责什么、现在能不能用
  • 管不住:助手可以直接给结论,甚至推动业务动作,缺少岗位审批和数据质量门禁
  • 看不清:一次协同跑了哪些步骤、依据哪条制度、谁批准的,事后无法复盘
  • 沉不下来:Prompt、SOP、校核口径写在各项目里,下一个客户或下一条产线还得重做
  • 行业绑死:为某一家工厂定制的 Agent,很难迁到另一家企业或另一个行业

这些问题的根因不是"模型不够强",而是企业还在用 聊天产品的方式 使用智能体,而不是用 业务服务的方式 经营智能体。

聊天窗口解决的是"问得动";业务服务要解决的是"申请得到、执行得完、责任留得住、结果写得回"。


二、数能软件的方案:把智能体做成企业服务

智治中枢的产品定位很明确:面向企事业单位的 AI 智能体服务及管控平台,也是企业 AI 能力的编排与管控中枢。它不是某个行业的专用套件,工作台与控制台面向企业全员。

对业务人员,它是工作台:用一句话发起任务,或从场景目录点选一项服务,跟踪执行,处理待办审批。

对建设人员,它是装配台:在 Studio 搭建智能体,登记或迁入能力,把多个智能体、业务规则与人工审批编进同一工作流。

对管理者,它是控制台:看已纳管 Agent、运行中任务、风险与人工介入、审计记录;必要时把企业切到只读分析或紧急停止。

一句话:

可编排、可治理、可审计:AI 参与的经营动作必须合规、可控、可追溯。

graph TB U[业务人员 / 管理员] --> H[智治中枢
Agent Governance Hub] H --> W[业务工作台
任务 · 审批 · 场景目录] H --> C[AI 控制台
总览 · 观测 · 价值度量] H --> B[Agent / 场景建设
搭建 · 登记 · 编队] H --> RK[运行内核
Workflow / Tool / Teams / Checkpoint] H --> ST[智能体搭建台
搭建与发布] H --> AC[AICoreDirector
模型调用与密钥] H --> G[治理护栏
A19 仲裁 · A20 数据质量 · 审批 · 审计] RK --> SYS[企业系统
ERP / CRM / 知识库] G --> SYS

平台刻意把三件事拆开:

层级 产品 负责什么 不负责什么
治理与闭环 智治中枢 意图、目录、编队、门禁、审批、审计、写授权 不把落单权交给模型
智能运行 运行内核 Workflow、工具调用、检索、记忆、评测 不拥有批准权
模型能力 AICoreDirector 多模型接入与调用 不直接写业务系统

Studio 则是能力生产线:搭建完成后点发布,可回调中枢自动登记;也可以从 Dify 等工具迁入定义,改由本平台托管运行。


三、产品怎么用:控制台、工作台、建设台

界面按企业真实分工分层,而不是把所有能力堆在一个"AI 聊天页"。

3.1 AI 控制台:先看见,再治理

总览、运行观测、价值度量。已纳管 Agent、运行中任务、风险/人工介入、审计记录,数字都来自平台实际记录,不用虚构经营数据。

控制台支持企业全局模式:正常运行、只读分析、紧急停止;也可以按企业隔离启停业务 Agent、场景和周期任务。平台治理节点 A19、A20 不可停用——这是设计,不是疏忽。

价值度量当前展示可被证明的治理运营指标:受控任务数、数据质量门禁拦截数、审批通过率、Skill 覆盖率、SLA 按时完成率、场景使用分布。节省金额、产能提升这类业务 ROI,必须在接入真实业务基线后再算,平台不会在缺少证据时编造收益。

3.2 业务工作台:做事、跟进、查资源

顺序按业务习惯排列:

  1. 我的任务:左侧临时任务(含一句话发起),右侧周期计划
  2. 待我处理:审批与人工检查点
  3. 执行追踪:流程图 + 日志 + 节点详情
  4. 业务场景目录:已发布服务,供业务发起
  5. 智能体资产:只读能力一览,不是建设台

一句话任务会先做意图识别,再匹配已发布的服务目录。命中则按该场景的编队、SLA、审批人履行;未命中记为例外申请,仍可动态编排,但 不会根据一句话自动长出一条新目录。要固化成正式服务,必须到建设台发布场景。

3.3 Agent / 场景建设:从能力到服务

建设路径是固定的三步:

  1. Agent 搭建台:嵌入 Studio,把智能体画出来、跑起来
  2. Agent 注册 / 迁入:本平台直接搭建、Studio 发布同步,或从 Dify/其他工具迁入
  3. 组装场景:拖拽编队、连线、发布;系统自动追加 A19 / A20

开启桥接后,Studio 里点「发布」会回调中枢自动登记或更新;修改后再发布,按同一来源更新台账,不另建一条。撤下发布则标记停用,历史 Trace 保留。


四、治理底座:企业能把智能体用进关键业务的前提

智治中枢把成熟的企业操作模型用在智能体协同上:服务目录、申请单与执行单、知识、审批与 SLA、受控集成、运营分析。运行内核负责建议、检索和受控工具;批准和落单始终在中枢

4.1 场景即服务目录

已发布的业务场景就是 Catalog Item:名称、匹配词、变量、产出类型、SLA、审批人、履行编队,在组装时写死。发起时只填这一次的实例数据(客户、物料、吨数等),不能临时改规格。

这避免了两种常见失败:

  • 每次口头描述都变成一次不可重复的"现场编排"
  • 业务人员在发起时随意改审批人和编队,治理名存实亡

4.2 数据质量与协同仲裁

  • A20 数据质量:正常、警告、降级、暂停。降级状态禁止推动业务落单,无论人是否想"先出单再说"。
  • A19 协同仲裁:默认优先级为「安全 > 合规/信用 > 质量 > 交期 > 毛利/成本 > 能耗」。多 Agent 结论冲突时,按企业价值观裁决,而不是按谁先返回、谁模型更大。

4.3 人在回路,而不是人在旁边看

报价、合同、质量放行、停产停机等,只能由授权人员确认。发起任务时还可以在某个业务 Agent 之前设置执行中检查点:前序完成即暂停,授权人员看过上下文后再放行或终止。

放行意见进入后续上下文;人工节点、处理人、时间、意见和恢复后的 Trace 全部留痕。SLA 超时会标记待处理并写审计,绝不自动批准

写回企业系统必须带审批签发的 writeToken。连接器默认只读;集成目录登记类型、方向和策略,不保存明文密码。

4.4 托管与外联:管得了运行,才管得了治理深度

类型 谁在跑 平台能管什么
托管型 本平台运行内核 编队、节点 Trace、知识/Skill、检查点、评测灰度、启停
外联型 远端 HTTP / MCP 调用登记、边界摘要、结果门禁、审批、SLA

知识与 Skill 只注入托管型。外联型不接收平台侧提示词,避免"以为管住了、其实在对方系统里自行其是"。混编场景里,托管节点走 Workflow,外联节点走边界调用,全部结果仍经 A20 / A19 / 人工审批后才可能写回。


五、能力如何沉淀:知识、Skill、受控演进

如果每个项目结束,Prompt 和口径又回到个人笔记本里,平台就只是更快的一次性交付工具。智治中枢把可复用单位做成三类资产。

知识库。 企业规章、SOP、合规条文按租户隔离导入;运行时按「租户 → 作用域 → 任务语义」检索,Trace 保留引用。知识首先写入中枢本地库,Studio 同步失败只告警、不阻断发布。

运行时 Skill。 适合做成 Skill 的是核验清单、口径、SOP、输出结构;禁止做成 Skill 的是 A19/A20、审批、租户隔离、密钥和业务写入。Skill 按「场景 × 智能体」匹配,发布须过评测,默认灰度后再全量,可回滚。

受控自演进。 不允许 Agent 自行改规矩。闭环为:

1
反馈 / 驳回 → Fact → 待评审 → 批准 → Evaluator 评测 → 升版 → 灰度 → 二次评测后全量

绕过审批、修改治理节点、自动落单等指令会被评测拒绝。错误或过期的长期记忆可以撤回,并同步删除向量侧数据。

长期记忆只在任务经人工批准后压缩写入,并带来源任务编号。后续任务必须标注来源并重新核验,不能把记忆当成当前业务事实。


六、行业怎么复用:一套平台,多套行业参数

智治中枢内置制造业演示编队与十个场景,用来证明"智能体可以进入真实业务闭环",而不是把产品做成钢铁专用系统。

场景 名称 默认审批角色
S1 智能产线调度 生产主管
S2 动态供应链优化 采购主管
S3 智能质量协同管控 质量主管
S4 智能设备维护 维修主管
S5 能源优化管理 能源负责人
S6 智能安全管理 EHS 负责人
S7 报价与合规校核 销售主管
S8 合同签约与信用风控 法务/经管主管
S9 经营洞察与制度协同 只读,不落单
S10 售后投诉与履约闭环 售后主管

新企业的落地顺序通常是:

  1. 建立隔离的企业空间,配置行业与角色
  2. 登记连接器(先只读、先白名单)
  3. 搭建或迁入本企业智能体
  4. 按本企业审批岗位发布场景
  5. 从只读分析跑通,再打开受控写回

汽车、电子、化工、装备与钢铁的差异,主要在数据对象、审批矩阵和连接器,而不在"再做一套智能体操作系统"。对软件公司 / ISV,这意味着:共性治理底座可以复用,行业差异用参数、编队和插件消化。


七、适合什么样的组织

已经有若干智能体,但尚未形成企业级入口的中大型企业。
需要统一任务、审批、审计和启停,而不是再给每个部门一个聊天窗口。

要把 AI 用进报价、质量、合同、停机等高责任动作的制造与装备企业。
必须有数据门禁、岗位审批和写授权,不能让模型直接改业务系统。

需要为不同行业客户重复交付智能体方案的软件公司 / ISV。
需要把搭建、托管、迁入、场景发布做成产品能力,而不是每个项目从零写编排脚本。

已经建设数据中台,下一步要补"智能层"的组织。
需要的是可申请的服务目录和可审计的执行,而不是又一套模型试用环境。


八、结语

大模型降低了"生成建议"的成本,但没有降低"对业务负责"的成本。企业缺的往往不是更多助手,而是一个能把助手变成服务的操作系统:

  • 业务从目录申请,而不是从空白对话框碰运气
  • 多智能体按编队协同,而不是单点聊天
  • 风险动作必须经过质量门禁、价值仲裁和岗位审批
  • 每次执行可追踪、可复盘、可改进,且改进本身也要过评测

这就是数能软件 智治中枢 要交付的能力。运行内核让智能体跑得起来,搭建台让能力造得出来,模型网关让推理接得进去;真正决定企业敢不敢把智能体用进关键业务的,是中枢这一层治理。

智能体进入企业的标志,不是又多了一个对话框,而是第一次有人能清楚回答:

这是哪一项服务、谁有权发起、依据什么执行、谁批准写回、下一次怎样比这一次更好。


作者: 郑州数能软件科技有限公司
产品: 智治中枢(Agent Governance Hub)