PRACTICE / ARTIFICIAL INTELLIGENCE

企业知识与受控智能体。

让知识有出处,让行动有边界,让协作过程可以复核。

所属方法论:支策可信 AI 价值实现方法
THE REAL CHALLENGE

先把问题界定清楚。

企业知识助手的难点常常不在回答是否顺畅,而在它引用的是不是当前版本、适用的是不是这台设备、使用者是否有权看到这些资料。当应用进一步调用系统、生成工单或执行动作时,错误还可能沿流程传播。支策把知识、任务和授权作为一个整体设计:文档进入知识库之前先说明责任与适用范围,工具被调用之前先说明允许做什么,任务结束之后保留结果与关键行动记录。智能体的自主程度,由任务的不确定性和可控性共同决定。

BEYOND THE SYMPTOMS

从现象进入
经营逻辑。

企业知识进入 AI 应用,需要保留原有业务语境。设备手册、操作规程和历史缺陷记录具有不同的适用对象、版本与有效条件,内容相似并不意味着可以互换。支策先明确知识责任和任务范围,再设计检索、引用与冲突处理,让系统说明依据来自哪里、适用于什么情况。若证据不足或相互矛盾,应把问题交给合适的人员,而不是以流畅表达掩盖不确定性。知识整理本身也应成为持续运营工作。

智能体设计需要同时理解任务灵活性与行动约束。对于步骤稳定、结果易核验的任务,固定工作流通常更便于解释和管理;只有任务确实需要动态选择路径时,才进一步考虑相应自主能力。支策对读取、起草、提交与执行分别授权,并明确工具失败、权限不足和环境变化时的处理方式。评估既检查输出内容,也检查工具动作是否符合允许范围,防止系统以看似正确的结果掩盖不合适的过程。

A TOOL FOR THE WORKING SESSION

把诊断落到可核查的事项。

DECISION TOOL

知识与智能体诊断:检查证据和行动是否处于明确边界内

左右滑动,查看完整表格

诊断对象需要识别的风险核对材料设计要求
知识来源与适用范围旧版本、相似设备或不同区域的资料被混合使用,回答无法说明依据。文档来源、版本、有效条件、责任人及实际任务中的引用样本。保留出处和适用条件,设计知识冲突、缺失与过期的提示和转交方式。
任务路径与自主程度步骤稳定的任务引入过多动态决策,导致行为难以复现和问题难以定位。任务分解、固定与动态路径比较、工具依赖及失败过程记录。先采用必要的能力组合,再依据任务要求和验证结果调整自主范围。
工具授权与人工确认查询权限被延伸为执行权限,生成建议能够直接触发重要业务动作。身份权限、工具说明、批准节点、关键动作日志及实际结果状态。区分读取、起草、提交与执行,对高影响动作保留明确授权和复核。
异常处理与任务恢复资料冲突或工具失败时继续执行,缺少暂停、转交及重复动作的防范。异常测试、接管流程、工具结果确认及任务重试或恢复记录。定义可执行的暂停与接管条件,检查动作结果并保留足以复核的过程。
本表用于应用设计和验证。涉及真实设备操作、生产控制或高影响决策时,需另行完成适用的专业论证,不能沿用普通知识问答的上线结论。

项目开始前的四个确认

01一条重要建议能否回到当前有效且适用于该设备或业务条件的原始资料,冲突信息如何处理?

02任务真正需要系统自主选择哪些步骤,固定工作流和人工交接是否已经能够满足要求?

03工具可以读取、起草、提交还是执行,实际授权是否超过任务所需,谁批准重要动作?

04当工具返回不确定结果或任务中断时,系统如何确认动作是否已经发生,怎样避免重复执行?

HOW WE WORK

从诊断走向实施。

三个层次共同构成完整工作路径。点击查看具体做法。

01

盘点知识资产

按制度、规程、图纸、设备手册、故障记录和专家经验分类,检查版本、有效期、适用设备、密级或访问限制,识别相互冲突的内容。

02

拆解任务路径

区分固定步骤的工作流与需要动态选择步骤的任务,明确资料查询、分析判断、起草内容和业务执行之间的边界。

03

确认人机交接

观察使用者在什么情况下需要核对原文、联系专家或转交审批,找出最容易因回答过度确定而造成误用的环节。

TANGIBLE OUTPUTS

交付物应当进入
实际工作。

项目启动时共同确认深度、数据条件与验收标准。交付范围以双方确认的任务为准。

01

知识资产与适用范围目录

02

检索、工作流与智能体架构

03

工具权限与人工确认矩阵

04

评估样本及知识运营机制

ILLUSTRATIVE SCENARIO

检修准备知识助手

示意情境

假设检修人员需要检索设备手册、历史缺陷和适用规程。以下仅为受控助手的设计情境,不提供真实设备操作指令。

  1. 01

    限定设备类型和知识范围,确认文档版本、现场适用条件与访问权限。

  2. 02

    让助手先提供带出处的资料索引和准备清单,重要判断由专业人员复核。

  3. 03

    若延伸到工单起草,保留现有审批流程,禁止从知识回答直接触发现场操作。

  4. 04

    收集引用错误、遗漏与人工修改原因,持续更新知识和评估样本。

BOARDROOM QUESTIONS

把讨论落在这些选择上。

01一条建议的依据是否可回到有效版本的原始资料?

02哪些动作允许自动完成,哪些必须经过人工确认?

03当资料冲突、工具异常或权限不足时,应用会如何处理?

RESEARCH FOUNDATIONS

研究如何进入
咨询实践。

以管理研究与技术进展为依据,将其转化为能源企业的工作方法。以下框架为支策结合行业问题的归纳。

NISTAI Risk Management Framework (AI RMF 1.0) · 2023-01-26

应用于支策方法将可信性与风险管理贯穿 AI 的设计、开发、使用和评价,明确用途、责任及持续监测。

适用边界自愿性风险管理框架,不是中国项目的法律合规证明。2026 年关键基础设施 Profile 页面所列为概念说明,不当作正式发布标准。

阅读原始研究
NISTArtificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile · 2024-07-26

应用于支策方法识别生成式 AI 特有风险,将知识可信、信息安全、人工复核和运行反馈纳入应用设计。

适用边界跨行业风险指南;具体控制措施需要结合任务、数据、人员与系统环境选择,不能机械套用。

阅读原始研究
Anthropic EngineeringBuilding effective agents · 2024-12-19

应用于支策方法区分预定义工作流与模型动态决定步骤的智能体,依据任务需要控制架构复杂度。

适用边界工程经验文章,非行业标准;官网提示部分工具信息已变化,本文只采用架构选择原则。

阅读原始研究
Anthropic EngineeringDemystifying evals for AI agents · 2026-01-09

应用于支策方法评估同时覆盖任务结果、行动记录与多次运行表现,组合自动检查、模型评价与人工判断。

适用边界通用智能体工程经验,不能替代能源行业的现场验证、安全论证或专业人员判断。

阅读原始研究
Erik Brynjolfsson / Danielle Li / Lindsey Raymond · The Quarterly Journal of EconomicsGenerative AI at Work · 2025-02-04

应用于支策方法借鉴工作场景中的经验异质性与学习效应视角,分岗位、熟练程度和任务难度验证 AI 使用效果。

适用边界引用 QJE 2025 年正式论文。研究对象为一家企业的客户支持岗位,不把其平均生产率变化外推为能源企业收益。

阅读原始研究
OUR PRACTICE

从关键议题深入。

每个专题都展开诊断方法、方案设计、实施安排与交付要求。