平凯星辰刘松，企业级多智能体落地关键在FDE+工作流，稳定交付严肃任务成新考验

9月21日，AICC 2026人工智能计算大会在北京中关村国际创新中心举行。平凯星辰副总裁刘松在“AI Work 智能体论坛”发表题为《如何让企业级多 Agent 体系交付严肃任务——FDE + 多智能体的新范式》的演讲，系统阐述了当前企业级智能体落地面临的深层挑战与实践路径。随着AI助手从个人辅助工具逐步嵌入核心业务流程，企业关注焦点已从“能否完成任务”转向“能否稳定、可追溯、可审计地完成严肃任务”。

刘松指出，企业级智能体的发展正经历三个阶段跃迁：第一阶段是单智能体在信息检索、内容生成等轻量场景中的价值验证；第二阶段是多智能体协同解决跨角色复杂任务；第三阶段则是将智能体深度融入既有组织流程，实现能力沉淀与制度化复用。当前行业正处于第二向第三阶段过渡的关键期。

从单体到团队：数字员工的协作范式

核心判断之一是：企业正在从使用一个智能体，走向管理一支“数字员工团队”。当任务涉及产品、开发、测试、运维等多个环节时，单纯增加智能体数量并无意义，关键在于构建清晰的角色分工与协作机制。平凯星辰自研的Loop平台内置产品经理、前端、后端、测试、评审、运维等角色化智能体，各角色共享上下文、按统一计划并行推进。

典型案例如TiDB数据库的Go转Rust重构项目：3名工程师与15个智能体协作，一个月内完成175万行代码迁移。白天智能体执行开发任务，夜间另一组智能体自动扫描当日产出代码并反馈问题。人类工作重心转移至目标设定、边界界定与质量终审——人不再参与具体编码，而是成为任务的“指挥官”与“质检员”。

这一模式的本质，是将人的经验结构化为可复用的角色能力与标准流程。刘松强调：“多智能体的长期价值不是替代人，而是把个人能力沉淀为组织资产。”在Loop中，成功执行经验可固化为角色模板、技能库、记忆模块与SOP流程，使不同能力层级的员工都能在同一协作框架下高效工作。

自主性与可控性的平衡：工作流不可缺席

第二个关键判断是：智能体越自主，企业越需要工作流。尽管大模型具备自主规划能力，但严肃任务必然涉及权限控制、审批节点、测试验证与责任归属。工作流并非束缚智能体的枷锁，而是为其划定安全边界，并确保过程可追踪、可回溯、可纠偏。

以某银行CRM客户画像升级为例，需求分析、技术管理、前后端开发等智能体在内网环境中协同作业，Loop将任务分派、开发、测试、联调串联为完整闭环，并在关键节点（如接口定义确认、数据合规审查）设置人工介入点。整个项目仅用4天即完成五大模块、27个接口的全链路联调，同时自动生成需求文档、设计说明与技术手册。

在医疗质检场景中，平凯星辰未改变客户原有业务流程，而是将多智能体能力封装为API嵌入现有病例审核节点。智能体提供辅助判断建议，而权限审批、最终决策仍由医生与质控人员把控——AI增强而非颠覆既有治理结构。

工程与组织适配：落地瓶颈已转移

刘松认为，当前企业AI落地的主要障碍已非模型性能，而是现实环境适配问题：历史知识工程缺失、数据成熟度不足、系统接口碎片化、流程不完整，以及员工AI使用能力差异。这些问题会显著放大智能体的实际效果波动。

为此，平凯星辰推行“FDE+多智能体”实施模式：FDE（Field Deployment Engineering）团队深入客户现场，厘清真实业务痛点、成功标准、系统边界、数据权限与风险红线，再完成集成、部署、培训与持续迭代。该模式使智能体从演示级能力转化为可运行于生产环境的稳定系统。

FDE能力本身正成为企业AI规模化的核心基础设施。根据平凯星辰内部总结，FDE需覆盖六大方向：开发与架构（从API转向可治理的业务执行链）、平台/产品化积累（沉淀行业模版与连接器）、内部FDE团队建设（培养AI转型工程师）、Outcome-based交付（聚焦业务指标而非功能清单）、行业型FDE（金融、制造、医疗等垂直领域知识）、产品创新（基于一线反馈快速迭代）。

安全与能力并重：行业共识正在形成

值得注意的是，这一趋势也得到其他厂商印证。金山办公副总裁王少康在同期东北亚人才交流大会上指出，随着大模型走向“平权”，智能体产品差异点已转向上下文理解与工具调用能力。他将智能体拆解为“大脑”（大模型）、“视野”（上下文）、“手脚”（工具），并强调安全是规模化应用的底线。

WPS Comate在政务场景中实现12345热线工单秒级分派、周期报告分钟级生成，数据归集效率提升90%以上；其“领导问数”功能可自动拆解问题、跨系统取数、生成可追溯分析结果。支撑这些能力的是WPS AI在SpreadsheetBench V2 Full评测中位列第一的技术实力，以及私有化部署、信创适配、沙箱隔离等多重安全机制。

这表明，企业级智能体的竞争已进入深水区：单一模型能力不再是决胜因素，能否在保障安全前提下，将智能体无缝嵌入现有组织流程、实现稳定可靠的严肃任务交付，才是真正的门槛。

刘松在总结中指出，AI助手解决了“如何开始使用AI”的问题，而多智能体体系正在回答“企业如何用AI稳定完成工作”。当智能体从个人入口走向组织生产力，协作机制、工作流治理与工程化落地能力的重要性将持续上升。未来，企业AI的竞争将更多体现在FDE团队的专业度、行业知识沉淀的深度，以及组织对智能体协作体系的适应与进化速度上。