企业 Agent 管理平台
企业 AI 落地一年后的真实状态：每个部门都接了 Agent——客服有问答机器人，销售有线索助手，运营有内容生成器。但没有人能回答四个问题：全公司到底有多少个 Agent 在跑？各自能访问哪些数据？每月花了多少钱？效果到底怎么样？这个原型是「企业 AI 提效设计」的治理底座——业务场景（SCRM、供应链、数据分析）的 AI 提效都跑得再快，也需要一个让 AI 本身可管理的底座，像管理员工一样管理 Agent。
Agent 的企业价值不在单个 Agent 能力多强，而在可管理。我把 Agent 当作「数字员工」设计管理模型：入职要注册（能力/负责人/数据边界）、上岗要授权（分级权限）、干活要考勤（监控与成本核算）、季度要绩效（评测集跑分）、不合格要下线（回收权限）。管理模型的完整性，决定 Agent 规模化的上限。
工作过程
从调研 Agent 乱象，到设计管理模型，再到原型验证
摸清 Agent 乱象
访谈 6 个部门的 AI 使用现状，把「Agent 失管」整理成四类管理缺口：可见性（不知道有多少 Agent）、权限（数据访问无边界）、成本（token 花费无核算）、质量（效果无人评测）。
设计生命周期模型
参考员工生命周期设计 Agent 管理模型，定义注册、授权、监控、评估、下线五个环节的数据结构与流转规则，明确每个环节的责任人是谁。
管理控制台落地
3 周实现管理控制台可交互原型，接入 3 个真实 Agent（客服问答/线索助手/内容生成），验证管理视图能否回答「多少个、什么权限、花多少钱、效果如何」四个问题。
产品原型
Agent 管理控制台 · 交互原型预览
全公司 14 个已注册 Agent · 月成本 ¥2.4W · 平均成功率 96.2%
注册制生效：未登记档案的 Agent 无法接入统一网关
查看成本看板 →产品特色
四个让 Agent 可管理的关键设计
Agent 目录与画像
注册制管理：每个 Agent 必须有档案——负责人、能力描述、数据边界、SLA 承诺。没有档案的 Agent 无法接入统一网关，像员工花名册一样，先有身份才能上岗。
三级权限授权
数据级（能看哪些表/字段）、工具级（能调哪些 API）、操作级（只读/建议/执行）三级权限模型，按角色而非按人授权，权限变更留痕审计，杜绝 Agent 越权访问敏感数据。
统一监控与成本核算
调用量、成功率、延迟、token 成本实时聚合，成本按部门/场景自动分摊。管理层第一次能回答「AI 的钱花在哪、值不值」，预算从拍脑袋变成看报表。
绩效评测与下线机制
每个 Agent 挂载评测集，定期跑分。连续两期不达标自动预警并触发下线评审——像末位淘汰，防止「僵尸 Agent」持续烧钱占预算，让存活下来的都是经过验证的。
技术方案
注册中心 → 授权网关 → 监控总线 → 成本中心 → 评测调度
设计权衡与开放问题
已决策
- 注册制是硬门槛：无档案不接入网关
- 权限按角色授权，变更全程留痕
- 成本按调用方自动分摊到部门
- 评测不达标触发下线评审，防僵尸 Agent
开放问题
- Agent 之间的依赖关系如何建模？A 调用 B 时责任如何归属
- 人工 Agent（人机协作）与全自动 Agent 是否共用一套管理模型
- 评测集本身会老化，如何保持评测的时效性
- 部门绕过平台私自接 Agent 的灰色地带如何治理