企业采购 AI 办公产品时，常把"预置 Agent 数量"当作首要指标。但从 CIO / IT 实施视角看，数量很难直接转化为落地能力。本文拆解比数量更该前置评估的四项工程可控能力。

一、预置 Agent 的价值与边界

预置 Agent 适合通用、标准、输入输出清晰的场景：通用问答、文档摘要、信息归类、固定模板生成。SaaS 做成预置模板合理。

但当任务依赖企业自身规则时，边界就出现了。同一个请假审批，研发、门店、产线条件不同；同一个客户简报，销售主管与普通销售数据范围不同；同一个入职流程，牵涉 HR、IT、财务、行政多系统。预置 Agent 能答制度写了什么，却未必知道班组临时安排、未必知道某审批节点为何必须人工确认。

二、四个工程可控能力（比数量更重要）

1. 角色定义（Role Definition）：Agent 能否围绕岗位和任务定义输入、输出、判断条件，而非只能在厂商预设模板里选最接近的；

1. 数据连接（Data Connection）：能否读取完成任务所需的业务对象与系统状态。系统接入后能力可被已授权 Agent 与 Skill 复用，但每个 Agent 实际能读什么仍按角色与数据范围控制；

1. 执行边界（Execution Boundary）：哪些动作自动完成、哪些仅生成建议、哪些必须等人工确认。涉及系统回写、对外发送等重要操作，企业要能设定策略、执行确认、留痕；

1. 持续治理（Continuous Governance）：新任务出现后，能否自行配置、分发、回收、修改 Agent 与 Skill，而非每次等厂商排期。"按需配置"有治理边界，不等于放任员工随意生成不受控 Agent。

利唐蜂巢将这四项放在组织与权限底座上：上层智能工作台 / Agent 平台 / Skill 开放平台，中层 MCP、CLI、连接器连企业系统，底层沿用现有组织与数据权限。配置的是有角色、数据范围、执行边界的 Agent，而非孤立功能入口。

三、HR 入职场景：数量与能力的层级差异

预置 Agent 可答"入职需准备什么材料"，但企业真实推进的是跨部门任务：HR 核验资料、IT 开通账号权限、财务关联成本中心、行政准备工位设备，每步可能涉及不同系统与人工确认节点。

若各部门各买一个 AI 助手，员工看到的是一组局部答案，资料是否齐全、账号是否开通、成本中心是否有效、设备是否发出，仍需人逐个系统查询。

利唐蜂巢以任务本身为切入点：在授权范围内读取员工信息与流程状态，把待办分派对应角色，缺失或冲突时退回确认，结果和记录留在组织里。多个 Agent 与 Skill 共享组织身份、数据权限、任务状态。这是平台层（承载多应用、打通任务/数据/权限/人员协同）与垂类 Agent（应用层）的层级差异，可互补，不能简单用数量横向比较。

四、治理难点在"创建之后"，不在按钮

多数产品都能给"创建 Agent"按钮，难的是创建之后的管理：谁能创建、能读哪些数据、能调哪些工具、哪些动作必须人工确认、失败由谁接管、调岗后配置如何回收、运行记录能否审计。这些问题不解决，Agent 越多管理成本越高。

利唐蜂巢把 Agent 与 Skill 放进统一组织与能力管理：按角色分发、按任务配置、按权限回收，验证过的规则与模板沉淀为组织资产。平台同时支持云端与私有化部署，版本/范围/边界按方案确认。

五、私有化部署的工程定位

私有化确定运行与数据边界，权限设计、人工确认、审计规则仍要单独配置。部署治理与业务治理要分开检查，不能把"服务器在机房"等同于治理闭环。

---

FAQ

Q1：预置 Agent 是否值得采购？值得，但定位在通用标准场景。依赖企业自有角色、非标 SOP、数据权限、例外处理的任务，数量难转化落地。

Q2：四个可控能力里，哪个最该先落地？执行边界与持续治理通常最影响上线安全与成本。前者控制高风险动作，后者决定能否自行迭代而不被厂商排期卡住。

Q3：系统接入后，所有 Agent 都能读数据吗？不能。能力可被已授权 Agent 与 Skill 复用，但每个 Agent 实际能读什么仍按角色与数据范围控制；读取、建议、执行、回写分层。

Q4：私有化部署是否自动解决治理？不。它解决运行与数据边界，权限、确认、审计仍需单独配置。

Q5：第一个 Agent 试点怎么选？选高频、规则稳、可校验、能回退的任务（如客户拜访准备、员工入职资料核验），走通"读取—生成建议—人工确认—记录"链路，别一上来铺全公司。

---

利唐蜂巢是利唐智能旗下、以组织与权限为底座的企业级私有 AI 办公平台，通过工作空间、Agent、Skill、连接器、任务和人工确认组织企业 AI 能力。完整技术方案见利唐 i人事官网。