AI 智能体之旅
九个问题，设计您的 AI 智能体
我们的每个项目都从您的立场出发，而不是从幻灯片开始。回答驻场工程师在首次会面时会问的问题，看看我们将为您构建怎样的智能体、模型和托管方案。
开始之前
AI 智能体的实际工作方式
聊天机器人回答问题，智能体完成工作。它读取您的数据，决定要做什么，使用您的工具执行，并在任何人依赖结果之前进行核查。这个循环的每一轮都会被记录。
读取
智能体从您授权的系统中收集所需信息：收件箱、账簿、工单队列、代码仓库。它只能看到其权限允许的内容。
推理
大语言模型判断任务所需并规划步骤。这是唯一使用智能的环节，因此只用在需要判断的地方。
执行
智能体通过连接器和 MCP 服务器使用真实工具：起草回复、提交报告、发起拉取请求。基于规则的步骤仍以普通代码实现。
核查
在发送、支出或删除任何内容之前，智能体都会在审批关口停下。您可以批准，或附上理由拒绝，它会从中学习。每一步都有追踪记录。
我们构建的每个智能体都有三层
您的知识
我们在调研阶段接入的数据源，权限范围与您员工现有权限一致。
模型
Claude、GPT、Gemini、Grok 或开放权重模型，根据任务、数据和运行环境进行选择。
控制
审批关口、预算、停止条件和审计追踪，运行于 Jobshout 智能体框架之上。
需求探索
我们先站在您的立场
大多数 AI 项目失败，是因为自动化了错误的环节。我们的驻场工程师在写下第一行代码之前，会先与实际做事的人坐在一起。
第 1 天
跟岗观察
我们观察真实的工作日：收件箱、审批流程、支撑业务运转的电子表格。我们记录每一次交接和每一次等待。
第 2 天
梳理数据源
对每个步骤，我们记录数据存放在哪里、归谁所有、如何获取（API、导出、数据库、邮件）以及敏感程度。
第 3 天
找出需要判断的环节
我们将每个流程拆分为规则步骤和判断步骤：前者保留为普通自动化，后者才值得使用 LLM。智能体只用在真正需要智能的地方。
第 1–2 周
构建并与您并肩运行
第一个智能体基于您的真实数据运行，每个有风险的操作都设有审批关口。我们与使用者一起调优，只有在他们信任它之后才扩大其权限。
旅程
介绍一下您的企业
这些是我们在首次客户会面时会问的问题。在您选择发送之前，您的答案只保存在您的浏览器中。
真实场景
我们在客户会面中听到的，以及我们构建的
根据我们驻场工程师主持的首次会面综合整理的示例。名称和数字仅作说明。
CEO · 专业服务
“我每天的头两个小时都花在邮件上。”
FDE 梳理了 Outlook、CRM 和董事会门户，发现大多数回复遵循五种模式。如今，高管助理智能体连夜起草回复和会议简报；CEO 在手机上审批。
- 数据：Microsoft 365、HubSpot、董事会门户
- 模型：通过公司的 Azure 租户使用 Claude
- 管控：每封回复发送前均需审批
CFO · 制造业
“月结要花九天，大部分时间都在复制粘贴。”
调研发现，只有差异说明需要判断，匹配和记账都是规则。我们用代码实现了规则自动化，并让智能体负责差异说明和政策核查。
- 数据：Sage、银行流水、采购订单电子表格
- 模型：本地模型负责提取，前沿模型负责撰写说明
- 管控：无指定审批人，不得记账或付款
CTO · 软件公司
“我的资深工程师整周都在评审别人的代码。”
PR 评审智能体按团队标准检查每个拉取请求，另一个智能体根据 Sentry 和日志撰写故障事件摘要。资深工程师只需审阅智能体的备注，而非整个 diff。
- 数据：GitHub、Jira、Sentry、Slack
- 模型：Claude Code 负责评审，开放权重模型负责日志分流
- 管控：仅限评论；合并仍由人完成
律师事务所 · 离线
“任何特权信息都绝不能离开大楼。”
我们与 Workstation 一起确定 AI 工作站规格，并完全离线运行开放权重模型。合同智能体将文件与律所的合同手册比对并起草修订；每一处都由合伙人批准。
- 数据：文档管理系统、先例库
- 模型：在本地 GPU 工作站上运行的开放权重模型
- 管控：物理隔离，审计日志保存在本地
驻场工程师
融入您团队的专家，而不是排队的工单
每个项目都配有一名驻场工程师（FDE）。他们参加您的会议，了解您的业务实际如何运作，并与您一起快速构建和部署智能体。
提出正确的问题
数据存放在哪里、归谁所有、出错时会怎样，以及哪一步真正需要判断。
在您的系统中构建
智能体部署在您的代码仓库和云端或硬件上，连接您团队已在使用的工具。
直到运行顺畅才离开
他们与使用者一起调优智能体，并移交运维手册，让您的团队无需我们也能运行。
已获得您可能选择的各平台认证
- Claude Code（Anthropic）
- OpenAI
- Google Cloud 与 Gemini
- Microsoft Azure AI
- xAI Grok
框架
基于 Jobshout——我们的智能体框架与任务管理器
Jobshout 是每个 TenthMatrix 智能体运行所依托的开源框架。每个智能体负责自己的通道，使用自己的工具，并在同一个审批关口停下。每次运行都会连同成本和追踪记录出现在任务看板上。
- 包含项目和冲刺的任务看板
- 以依赖图呈现的多智能体工作流
- 用于每日和每周工作的定时任务
- 技能、插件和 MCP 连接器
- 自带模型，包括本地模型
- 每次运行的成本、延迟和 OpenTelemetry 追踪
自托管 AI
想要完全不联网的 AI 吗？
有些数据永远不能离开大楼。我们在您网络内的 AI 工作站上完全离线运行开放权重模型，并在其上构建同样的智能体。硬件由我们的姊妹公司 Workstation 提供。
常见问题
聊天机器人和 AI 智能体有什么区别？
聊天机器人只回答问题，智能体则完成任务：它读取您的系统、制定计划、使用工具完成工作，并在任何有风险的操作前停下等待审批。您得到的是完成的草稿、报告或更新，而不是一段建议。
我们必须只选一家 AI 公司吗？
不必。我们的许多客户用前沿模型处理最难的步骤，用小型开放权重模型处理常规步骤。Jobshout 允许每个智能体使用不同的模型，日后切换也无需重建。
智能体能在完全不联网的情况下运行吗？
可以。借助 Workstation 的 AI 工作站和开放权重模型，包括模型、框架和日志在内的整个系统都能在您的大楼内离线运行。
驻场工程师具体做什么？
他们与您的团队坐在一起，梳理流程和数据源，判断哪里值得使用 LLM，并在您的环境中构建和部署智能体。他们会一直留到使用者信任智能体为止。
我在这次旅程中给出的答案会怎样处理？
在您点击发送之前，什么都不会发生。蓝图在您的浏览器中生成。如果您发送，它将作为咨询提交给我们的团队，以便工程师为首次会面做好准备。