企业 AI 组织转型
Dojo：组织 AI 能力实战沙盒
结合企业向 AI 组织进化的需要，提供安全、真实的 AI 实战训练场
FDE · 深入真实业务
推动 AI 融入真实业务模式与组织协作。
30+ 真实 FDE 项目
以已落地项目的经验，连接技术与业务价值。
从个人AI能力
走向AI原生公司
让AI从个人工具变成组织能力
2026 年 9 月
About HA7CH
与企业共创 AI 原生组织
让 AI 成为持续进化的组织能力
吴明泽
Lawted · 创始人
哈佛 MDE 硕士
斯坦福 HAI、清华 HCI 研究经历
MiniMax 早期团队成员
曾任腾讯、阿里巴巴工程师
李猛
联合创始人
逾 25 年战略、运营与人力资源经验
曾任 CPE 源峰董事总经理
罗盛咨询高级顾问
王德胜
联合创始人
SFU 商业分析硕士
麦肯锡咨询经历
参与交付 20 余个先进制造业咨询项目
聚焦增长与ESG转型
从技术可能性，到业务实践，再到组织能力。
团队 · AI 研发与实践
Cosimo · 魏凌宇
清华大学姚班学士
南加州大学计算机图形学博士
曾任 Pinscreen 首席技术官
发表 SIGGRAPH、CVPR、ECCV 论文
金俊峰
卡耐基梅隆大学
Computer Science 专业
Google 广告算法工程师
曾任阿里巴巴、字节跳动算法工程师
潘祉名
毕业于北京大学信息科学技术学院
美国佐治亚理工学院、威斯康星大学麦迪逊分校 AI 科研实习
科研成果发表于 DAC、TMLR
曾钰麟
本科 · 清华大学经济管理学院
研究生 · 北京大学数学科学学院
曾从事苹果算法工作，
有九坤量化工作经历
HA7CH · 两个业务方向
推动企业 AI 组织转型 陪伴 AI 原生企业成长
Fund
投资与孵化
发现 · 识别成长机会
关注 AI 原生企业，识别值得长期投入的方向。
孵化 · 陪伴企业成长
结合产业实践与创业资源，推动想法走向业务。
连接 · 让资本与产业相遇
连接资本与产业伙伴，为企业成长汇聚支持。
活动覆盖深圳、上海、杭州、北京、东莞，以及旧金山、洛杉矶。
AI 工作的基本单元正在改变
从个人助手，进入人机团队协作
一个人使用一个助手
搜索、写作和总结 改善单个任务的效率
个人效率多个人调度多个智能体协同
研究、分析、制作与检查 覆盖一项完整任务
岗位能力基于中心智能体的整体协作
围绕新品研发、渠道增长、供应链优化等问题跨部门、跨智能体协同工作 完成业务结果
组织能力下一阶段的企业竞争，取决于组织能否把人、智能体和流程编成一支队伍
下一代组织的展望：AI 原生公司（AI Native Company，ANC）
把组织隐性知识转化为可复用的能力，重新设计岗位、流程与协作。 人和智能体通过 Human-in-the-Loop 与 Agent-in-the-Loop 持续迭代。
战略与责任
经营目标、优先级、授权边界与最终责任
人机工作单元
员工与智能体围绕完整业务问题协作
组织智能资产
事实、规则、流程、案例与技能持续复用
可信运营
身份权限、审批日志、质量评测与人工接管
HITL: Human-in-the-Loop
人把 context 与 taste 搬进来
探索性任务：通过 「AI助理」 实现 Human-in-the-Loop
Context · 上下文
会议纪要 / 一张照片 / 一句判断
与AI助理一起探索
一起探索目标和实现的方法
迭代目标和方法
反复试错并迭代目标和方法
AI助理资产沉淀
Skill · 知识库 · AI助理
AITL: Agent-in-the-Loop
没有长期记忆的专家，在干净上下文里协作
确定性任务：通过 「AI专家」 实现Agent-in-the-Loop
组织资产 · 上下文
Ontology/知识库/Skill
目标设定
确定性的目标设定
Agent批量执行
无人工干预批量执行
AI专家组织资产沉淀
Skill · AI专家 · 专家团 · 知识库
Agent的Think · 推理 · 自协作
确定性任务：有限游戏 · 明确终点
搭建统一架构，实现4个loop围绕任务持续协同
新技术改变工作方式，也打开重新竞争的机会
商业逻辑与工具与流程一起升级。
互联网时代｜达美乐 Domino’s
2008：订单追踪直连门店系统 PULSE
接单 → 制作 / 烘烤 → 出店配送 → 顾客反馈
全球门店零售额 · 亿美元
55.06 → 122.52
2008 年 → 2017 年｜约 +122.5%
2017 年，按全球比萨零售额排名第一。
技术、产品、门店扩张与供应链共同推动。
AI 时代｜Muse
交易入口：从 APP 到 AI
从平台撮合，到直接连接
移动互联网：用户 → 平台 APP → 商家
平台撮合交易
AI 驱动：用户 → AI 助手 / 大模型
→ 企业独立站购买平台
减少搜索与跳转，让购买路径更直接
率先掌握并用好新技术，有机会改写行业格局——关键是把新能力变成新工作方式。
企业组织如何才能到达
补充章节 · 01
麦肯锡最新研究报告显示，个人绩效不会直接变成企业收益
个人使用 AI 带来提效，要把提效转为组织收益与长期竞争力，还需将 Agent 编排到组织层面的工作流程中
80%
受访者表示
AI 提升了个人生产力
37%
受访者报告
AI 对息税前利润（EBIT）有正向影响
关键差异就是 AI 是否参与到组织层面的工作流程。
近75%
AI 高绩效组织报告称，已让 AI 参与组织工作流程，并进行了大幅重构
补充章节 · 02
搭建 AI 练习实验场，让员工动手实践
应用建议：让真实任务中的实验与反馈，成为持续改进业务机制的有效手段。
01 选择真实业务任务
明确要改善的结果
约束与验收要求
02 让员工动手实验
在任务中尝试 AI
反复构建解决方案
03 通过反馈改进方法
结合实践与同伴辅导
复盘并调整工作方式
04 沉淀并持续复用
保留可复用的组件
方法与控制机制
把能力培养放进日常工作
角色化学习、同伴辅导、持续演示成果；
用刻意练习与反馈培养判断力。
让实验进入有责任的业务流程
业务负责人、技术与风控共同参与；
明确评估、权限、监控与后续维护责任。
补充章节 · 03
DeepSeek Super-agent：从回答问题，转向交付任务
原文事实、架构与原则 · README 交叉核验 / ANC 项目记录对照 / 我们的评价建议
01 从回答到交付
原型在做什么
接收获授权请求，建立工作项，在独立会话与目录执行，回到原讨论交付结果，例如代码变更。
为什么要连续
同一事项可能跨 IM 与代码评审反复修改。系统应接续上下文，减少人手动维护多个会话。
边界是什么
公开版本服务一个 GitHub 仓库；属于编程研究原型，不是成熟的通用办公产品。
02 参与团队协作，而非独占对话框
统一接话
Router 维护任务关联与对外交互。
隔离执行
Worker 专注具体工作，减少任务上下文相互污染。
接续修订
后续消息和评审意见回到相关任务。
与 ANC 的相近之处：对话入口 + 后台任务 + 结果交付。ANC 项目记录确认这三项；不能据此宣称两者实现完全一致。
03 更主动，也更少打扰
需要人行动
把缺失信息、取舍或授权问题收敛成一个具体问题。
有可用成果
交付能查看、采用或验证的结果，而非逐步播报过程。
其余时间
在既有授权范围内推进；无须介入时保持安静。
我们的推论：评价 Agent，应同时看“交付价值”和“消耗多少团队注意力”。文章中的未来设计不等于公开原型已实现。
提升组织 AI 能力，企业常遇到什么问题？
工具能力持续提升，组织能力却未必同步成长。
01 个人能力培训多，AI驱动组织协同实践少。
课程培训不少，缺少日常复杂任务训练。
有人会了，有人不会，组织整体 AI 层面协作未能实现，仍难形成稳定的业务交付能力。
02 高管听汇报多，亲身实践少
听汇报多，缺少亲手使用的一手体验。
难以判断工具的能力边界，需求过高或过低，如何利用 AI 能力识别真正高价值的业务场景上思考有限。
03 应用创新自下而上多，自上而下少
技术人员和年轻员工推动不少单点尝试。
从整体业务、跨部门到公司层面，仍缺少管理层牵引的业务创新或者系统创新。
04 个人 Skill 沉淀多，组织 Skill 沉淀少
个人积累了提示词、工具用法和任务经验，
却较少转化为团队共享、有统一标准、能持续维护的业务 Skill。
历史上每次革新，真实推动企业内部业务、流程和管理创新的都是掌握了新技术的高管，而不是外部咨询公司、顾问。
雀巢案例：把 AI 学习从课堂听讲变为动手实操
原文核心观点：会写提示词是起点，理解业务与重做工作方式才是进阶。
01
让员工能用、会用
提供安全、私有的 NesGPT
组织培训，应用于销售、
创新、营销和法务。
全员可访问 Copilot Chat
10万+常用用户 ≠ 培训人数
02
业务骨干和高管共同试验
美国创新团队将消费者洞察
接入构思工具；员工生成、
评估和测试产品概念。
约100名创新成员和高管已受训
学习发生在产品创新流程里
03
让技术与组织支撑复制
统一 各类接口数据，
让 AI 清洗数据、生成报告；
财务人员转向解读与决策。
统一底座 + 职责调整
工具能力才能进入组织流程
核心启示：把学会一个工具升级为共同改好一条流程。
实践结果：更快构思、更低制作成本、更少例行劳动
成效发生在具体业务环节；以下均为雀巢官方披露，不等同于全员培训的单独收益。
产品创新
6个月 6周
产品构思周期｜2024年美国早期实践
原来｜从消费者洞察到概念，周期长
整合20多个品牌输入与市场趋势，
生成概念后由团队筛选、测试。
范围：前端构思，不是新品上市周期。
营销内容
时间与成本 >70%
扩展数字孪生内容｜2025年披露
原来｜包装、市场和渠道变化常需重拍
复用产品3D模型，数字化调整
包装与场景，再生成多格式素材。
范围：数字孪生扩展，非总营销费用。
销售工作
例行任务节时 20–35%
虚拟销售助手｜2025年试点市场
原来｜销售人员被重复性任务占用
Agent 型助手自动化处理
最高40%的例行任务。
范围：试点相关任务，非总工时。
衡量组织能力：看完整业务环节的周期、成本与质量，而不仅是工具使用量。
越来越多的企业通过搭建沙盒训练场，提升组织AI能力
以实战提升全员的AI学习和协同
我们的产品和方案
Dojo道场服务平台
以道场为核心，支撑学习、能力验证与业务实践
01 / AI CENSUS
组织 AI 摸底
全员参与调研，形成能力画像，
明确组织短板与投入方向。
02 / 能力认证
能力测评与认证
通过考试、模拟和真实任务，
验证能力并授予认证徽章。
03 / AI ROLE COACH
AI 学习与岗位陪练
围绕岗位短板反复练习，
由 AI 提供反馈与提升建议。
04 / AI 课程学习
HA7CH School
加载课程 Skill，跟随 AI 导师
完成学习、练习与课程任务。
05 / 人才应用
招聘与人才匹配
结合岗位需求与能力证据，
支持招聘、转岗和项目组队。
06 / MEE7
活动与人才连接
通过活动与 AI 对话报名，
连接人才并持续交流跟进。
07 / AI RANGERS / FDE
企业 AI 共创落地
FDE 与业务团队共同试点，
交付可运行的 Agent 与工作流。
08 / AI SHERPA
高管 AI 实战陪伴
导师陪高管亲手做 Agent，
用真实任务识别业务机会。
Dojo：面向 AI Native 工作的企业员工训练场
企业 Harness，把真实业务转化为可练习、可评估、可迁移的工作能力。
信息与任务人机协作工具与执行评估与成长产品目标架构
Dojo · 企业训练 Harness
员工 × 业务负责人 / 教练
明确岗位目标 · 参与练习 · 审阅成果 · 提供反馈
企业真实工作与知识
岗位职责 / 业务流程 / 项目案例
企业资料 / SOP / 优秀工作样本
保留来源、版本与使用权限
情景与任务编排
岗位目标 → 业务情景 → 具体任务
配置资料、工具、难度与验收标准
员工 × Agent 协同练习
情景答题 · 资料研读
任务实操 · 语言演练
练习规划、判断、执行与验证
训练工具与隔离环境
Agent Runtime / 模型 / API / MCP
浏览器 / 文档 / 代码 / 企业应用沙盒
使用脱敏数据与受控工具权限
评估与教练反馈
结果质量 · 判断能力 · 协作方式
定位薄弱点，给出针对性改进建议
关键结论由人复核
工作产出与过程证据
成果文件 / 工具轨迹 / 决策依据
记录协作过程与完成状态
企业生产工作系统
在真实岗位中应用与验证
业务负责人授权后执行
训练通过 ≠ 生产操作授权
个人能力成长
AI 启航者 → 任务实现者 → 工作改进者
→ 团队引领者 → 组织共创者
等级属于人；任务成果构成能力证据
组织经验沉淀
验证有效的做法 → Skill / SOP / 任务模板
企业能力缺口 → 新一轮训练计划
经审核与版本管理后复用
共同运行保障：身份与权限 · 数据隔离与脱敏 · 沙盒与动作授权 · 过程留痕 · 评估校准 · 版本可追溯
一个真实项目，带出四个可用原型
从观画到日常生活，把与 Dojo 共创的经验持续迁移
02
闪灵
捕捉念头，整理思路
1 随手记录
2 按主题归档
3 生成日报回看
记录与归档流程
03
三言两语
把每天的资讯整理成日报
打开每日资讯 ↗
04
写作有路
把托福写作思路做成学习页
打开学习页面 ↗
会用 AI 的年轻人正在重写商业规则
Alexandr Wang
Meta 首席 AI 官
2025 年从 Scale AI 空降
登顶
带领团队推出 Muse，上线 10 天登顶美国 iPhone 免费榜，超越 ChatGPT
突破
2026 年 9 月，Muse 超越 ChatGPT登顶美国、加拿大 iOS 与安卓免费榜
创业
此前联合创立 Scale AI；Meta 投资时，公司估值超过 290 亿美元
直接向扎克伯格汇报
姚顺雨
腾讯首席 AI 科学家
2025 年从 OpenAI 空降
重建
加入腾讯约 4 个月后，推出 Hy3 preview；团队重建预训练与强化学习基础设施
登顶
Hy3 preview 登顶 OpenRouter Token 使用量榜（腾讯 2026 年一季报）
落地
新模型接入元宝、QQ、腾讯文档等产品；推动混元从模型研发走向大规模应用
直接向腾讯总裁刘炽平汇报
C-Suite AI Sherpa｜让高管和核心人员亲手做
00后正在重塑商业逻辑，让每位高管，核心人员身边，都有一个懂 AI 的00后，分享理念和认知
高管用原型表达业务判断，让技术团队看得见需求、接得住业务机会。
沙盒实训的目的： 直接用原型表达业务需要，技术团队看到清晰需求
把脑中的业务画面做成可演示、可操作的原型，技术团队 再把它变成稳定的组织能力。
原型示意 / 销售报价复核
上传报价
演示订单.xlsx → 开始检查
疑点：折扣超限 / 规则依据可查看
人工确认
从“给我一个 AI 助手”到具体需求
一起定：用脱敏订单、价目表和折扣规则。
怎么验：复核更快、漏错不增加，先测基线。
怎么试：一个团队、两周，由业务确认疑点。
业务用原型讲清价值，技术部把好架构、集成与质量关，让一个好想法服务整个组织。
企业需要对全员做一次AI素养的人口普查
目的：看清人、岗位、意愿、风险和组织障碍，方便决定下一步投入
内部培养 Build
外部招聘 Buy
FDE顾问共创 Borrow
01
人的能力分布
全员平均对AI的理解度在那个阶段，谁已经很擅长、会判断、会创新、能把 AI 用进工作流程，
02
使用意愿与担心
谁愿意尝试，谁担心风险，谁需要支持、谁存在抵触心态，主要担心在哪里
03
数据安全潜在风险
AI工具使用的规范性，公司数据存在的泄露风险
04
组织障碍
数据、权限、工具和管理方式在哪里阻碍应用
AI全员素养普查工具 — AI Census的理论框架
以 MAILS（Meta AI Literacy Scale，AI 素养量表）为基础，结合行为意愿与 AI 自我管理
AI 素养
能力基础：理解、应用与判断
Bloom 教育目标分类法
- 记忆
- 理解
- 应用
- 分析
- 评价
- 创造
从基础认知，逐步走向高阶思考与创造
Ng 等人（2021）四维 AI 素养
知晓理解 · 使用应用
评估创造 · AI 伦理
行为意愿
使用动力：想不想用
计划行为理论
感知行为控制
“我觉得自己能驾驭 AI 吗？”
↓ 影响尝试与使用意愿
不仅看技能，也关注信心、
顾虑和使用障碍。
AI 自我管理
持续使用：受挫后仍能学习与判断
情绪调节
面对失败、挫折或焦虑，能恢复状态，
继续尝试，而不是受挫后放弃。
AI 说服素养
识别 AI 对决策的影响，保留独立判断，
不因推荐或“权威感”就盲目接受。
持续学习与问题解决
跟进工具迭代，遇到问题能调整方法，
把失败转化为下一次学习。
测评的依据：认知层次与 AI 素养研究
既看是否理解知识，也看能否应用、判断与创造
Bloom 修订版：六层认知目标
Ng 等（2021）：AI 素养研究
记忆 · 理解 · 应用 · 分析 · 评价 · 创造
知晓理解 · 使用应用 · 评价创造 · AI 伦理
研究提供设计依据；AI Census 的指标与评分是结合企业场景形成的产品设计。
AI Census的交互界面
AI Census将完全采用手机端真人语音对话方式完成测试采
集，并通过校准的STAR沟通法，一步步发觉受试者的深层
次的信息，从而进行更加准确的判断。
四类证据
CEO 最终看到
01
通用知识基线
理解、使用、判断与安全
01
人才分层与关键群体
02
动态对话追问
真实使用经验、思路与验证习惯
02
团队与岗位能力热力图
03
03
高价值 AI 场景清单
少量岗位任务
观察实际表现与解决问题过程
04
培训、采购与 FDE 建议
04
意愿与组织障碍
学习动力、心理安全与使用条件
建议配置：约 60% 通用基线，25% 岗位模板，15% 企业定制
企业实时动态看板
持续跟踪测评进度，汇集能力画像与学习需求，为组织培养提供依据。
测评进度监控
跟踪已完成人数与未完成人数，
查看各部门完成比例。
组织能力画像
汇总理解应用、使用意愿、
创新实践与风险合规四维表现。
部门差异比较
按同一维度比较部门表现，
定位能力短板与支持重点。
学习需求汇总
归纳员工提出的学习与支持需求，
为培训内容与实践安排提供依据。
能力调研报告
与动态看板配套，集中呈现调研结论、能力差异与改进方向。
帮助管理者解读四维能力画像，讨论培训重点与后续支持安排。
AI Census 的统计报告
员工得到成长路径，CEO得到组织决策依据
个人报告样例
员工能看到什么
01
总体判断
说明当前表现、已有优势和优先提升方向
02
相对位置
比较公司与部门，标出个人百分位与平均线
03
能力画像
提炼使用方法、实践经验与风险意识
04
提升建议
明确先补什么、如何行动、从哪里开始学
四个维度，形成个人发展建议
理解应用
理解任务、补充信息、调整与核验结果
创新实践
解决实际问题、复用方法、分享经验
风险合规
保护敏感信息、明确操作边界
使用意愿
想学什么、希望怎样得到帮助
用于学习建议
认证体系：公司只为能力结果买单
以真实工作成果为核心，结合知识判断、情景操作与持续更新
四项权重合计 100% · 真实任务体现工作结果，考试、模拟与微认证共同验证能力
通过再付费
公司为通过认证的员工
支付认证费用。
认证成为人才标准
让认证进入考核、晋升
与招聘的评价体系。
五级徽章，持续成长
用挑战、徽章与等级进阶
激励员工自主学习、持续实践。
不为学习过程买单，为员工真正具备的能力买单
50%
真实任务实际使用
真实工作产出
操作过程与结果核验
30%
情景模拟
模拟业务问题
任务处理与操作表现
10%
知识考试
关键知识与方法
风险边界与判断
10%
每月微认证
最新工具与知识
持续更新与能力复核
Dojo · 训练与任务看板
判断团队评审中哪些决定需要人确认
你主持一次产品、设计与工程的需求评审，需要用五条反馈形成可讨论的初稿。
1. 反馈表将某需求标为“中”，但 AI 认为应该立即做，应该怎样呈现？
2. AI 已整理五条反馈，但负责人和排期尚未确定，作为评审主持人下一步应该怎么做？
3. 5 条反馈中 3 条标为高优先级，是否足以承诺本周全部上线？
4. 产品与工程对同一个需求的优先级意见不同，AI 最适合怎样支持？
AI Rangers: 与外部FDE 共创，把高价值流程做成可运行样板
Dojo 陪伴内部实践；遇到技术卡点，再按需接入外部 FDE
→
→
→
FDE 的目标
打通团队暂时跨不过的技术难点，把能力留在组织里
01
Dojo 训练与学习
围绕真实任务练习
尝试工具、搭建原型
逐步形成自己的方法
02
识别技术卡点
在互动与试用中发现
系统接入、数据处理等
内部暂时解决不了的问题
03
按需接入外部 FDE
带着目标、原型与卡点
匹配相应技术实践者
与内部骨干共同打通
04
交付并回流 Dojo
验收可运行的业务样板
将方法与 Skill 留给团队
继续学习、使用和迭代
连接 AI 人才，共创 AI 原生企业
HA7CH FDE 人才网络｜从认识人才、验证能力，到共同交付
6,000+
HA7CH 会员
2,000+
认证会员
深圳 · 上海 · 杭州 · 北京 · 东莞
旧金山 · LA
把赛事知识与个人经验，变成团队共同能力
规则、日程与技术手册分散，团队既要查得准，也要把做事方法留下来。
ANC 特点｜知识共享 + Skill 共用
按问题查资料
赛事规章、分站日程、轮胎手册与团队指南，
围绕具体问题读取，回答保留条件与出处。
方法留给整个团队
赛事海报等制作方法沉淀为共享 Skill，
其他成员也能调用，继续用于下一场赛事。
从“一个人会做”，到“团队能够共同调用和复用”。
已有赛事查询工具、双语指南及共享 Skill 实践。
赛事资料与工作经验
规章 · 日程 · 技术手册 · 海报制作
ANC 组织知识与方法
按问题查原文；把有效做法沉淀为 Skill
团队共同查询与复用
5 个业务角色 Bot + 1 个运维 Bot
先确认数据，再推动品质问题处理
品检、统计、品质与责任部门共同参与；记录没齐、字段不清，容易让后续动作失准。
ANC 特点｜信息推动行动 + 人工确认
不猜模糊字段
手写品质卡先形成带来源的记录草稿，
不清楚的数量交统计员补齐、核对。
在正确时点推进流程
终了确认后再按规则评估、生成联络单草稿；
更正保留新旧值与原因，责任人继续处理。
把“信息被记录”推进到“有人确认、有人接续行动”。
品质记录进入
手写卡 · 日报 · 原行与来源
人员确认，ANC 按规则整理
待确认字段 → 终了确认 → 规则评估
联络单草稿与可追溯更正
责任部门填写原因与改善方案
问到项目结论，也能回到原始底稿
审计与咨询按项目开展；PDF、扫描件和纸质档案之间，需要保持清楚的对应关系。
ANC 特点｜项目上下文 + 依据可回查
结论与来源一起组织
按项目整理知识，保留只读原件，
让查询结果能沿原文件、原页继续复核。
把业务方法放进日常入口
钉钉助手加载业务 SOP 与归档方法；
接手人员能沿共同背景，查结论、找底稿。
业务链路示意
让资料成为可接续的组织记忆，让专业判断有据可查。
分散的项目材料
PDF · 扫描件 · 原始底稿
项目知识与归档方法
结构化整理；保留原件和纸质档位置关系
钉钉提问，人员复核
“这个项目结论是什么？底稿在哪里？”
跨天的询价对话，接成同一件业务
配件询报价中，车辆、品类、品质和数量逐步补齐；第二天的追问不应丢掉前一天的背景。
ANC 特点｜上下文接续 + 事项状态
识别同一项业务
关联前后消息、顺序与引用关系，
把零散对话整理为业务事项、缺失项和状态。
保留依据，交人审阅
原始聊天、重建事项与拟回复相互对应；
条件不足先补问，人员核对后再继续。
让消息成为可跟进的工作，减少反复重建业务背景。
补充章节 · 04
AI 会站在组织里的什么位置？
作者个人观点 · 假想组织情景｜空心圆＝人，紫色实心圆＝AI
左：人管理 AI；中：人与 AI 共同承担职能；右：AI 进入人类层级之间。线条表示组织关系，不是数据流量。
收尾 · DeepSeek Super-agent 的启发 · 审阅稿
让 AI 持续推进任务，让人专注决策与验收
新的协作瓶颈，是人花在切换对话、同步背景、追踪进度上的注意力。
一个连续入口
统一接收不同渠道的信息
识别同一任务与后续纠正
多项独立推进
具体工作在独立上下文执行
后续事件接回相关任务
把注意力还给人
有可用成果时交付
需要判断时提出具体问题
对蒙牛的应用启发
从一个真实业务任务开始，把相关资料、授权范围、责任人和验收标准接起来。
例如品质异常处理：补齐记录 → 提出建议 → 负责人确认 → 核验结果。
架构探索与研究原型；上述业务流程是应用设想，不代表已在蒙牛部署或已验证成效。