为什么一个智能体用久了就难以维护？因为它缺少可组合的能力资产

企业在搭建 AI 应用时，常见做法是把所有内容放在一个 Agent 里：

• 业务规则写进提示词；
• 客户资料直接上传；
• 输出格式靠模型临场发挥；
• 工具调用靠模型自行判断；
• 用户反馈散落在聊天记录里。

开始时很快，后续却很难改。

真正可持续的设计，是把知识库、模板、Skills、智能体和运营入口拆开，再通过编排组合成应用。

复用案例：模型升级建议助手

最近已在好易创建并发布非公开 Demo：“企业模型路由与升级建议助手”。

它的目标是帮助企业和交付伙伴规划模型升级，不直接修改生产配置。

输入：

业务场景
任务类型
质量与时延要求
数据边界
候选模型
回退条件

输出：

应用解耦清单
路由建议
升级测试集
灰度方案
监控与回退条件
管理员确认项

该 Demo 采用开始节点和核心规划节点。核心节点内部有 Planner、Generator、Evaluator 三类职责，使用 deepseek-v4-pro 生成结构化建议。

这正好说明，一个“智能体”只是应用层对象，真正可持续的能力来自周围的资产组合。

用接口思维管理能力

可以将 AI 应用看成几个相互独立的服务：

Knowledge Service
  提供可追溯资料

Template Service
  提供稳定输出结构

Skill Service
  提供重复执行动作

Agent Orchestrator
  负责任务路由与编排

Operation Entry
  负责用户、反馈和服务运营

模型发生变化时，不应重做所有服务。应该通过相同测试集验证模型是否满足当前接口约束。

资料发生变化时，更新知识库并重新验证引用，不必重新改写整个智能体。

输出格式发生变化时，更新模板，不应让模型自行决定新的字段。

客户隔离是组合式交付的基础

对于交付伙伴，模板和资产复用很重要，但不能因此混用客户资源。

可以共享：

• 通用节点结构；
• 经审核的提示词规则；
• 通用 Skills；
• 公共模型服务；
• 测试方法。

必须隔离：

• 客户知识库；
• MCP/API 凭证；
• 用户和会话；
• 日志；
• 内部接口；
• 客户反馈和历史资料。

这也是为什么“复制智能体”不等于“复制全部配置”。正确方式是复制通用结构，再绑定新的客户资源。

真实搭建状态

今天原计划搭建“园区政策与申报材料迭代助手”，但在读取知识库和 Skills 列表时遇到 MCP 网关路由错误，未完成新建。

因此本文复用之前的模型路由助手。该助手已完成创建、编排保存和非公开发布，但正常调试没有在等待窗口返回，越界测试未完成。

已实现和未实现必须分开：

• 已实现：智能体对象、节点编排、模型绑定、非公开发布；
• 未实现：客户知识库、模板资源、Skills、真实运营入口和业务系统接入；
• 后续建议：先绑定只读知识资料和评测 Skill，再接入反馈和版本管理。

最后

可持续升级不是不断给 Agent 增加工具，而是让每类能力都拥有自己的边界、版本和验证方式。

当知识、模板、Skills、智能体和运营入口能够被独立更新并重新组合，企业 AI 应用才不会因为一次模型升级或一次业务变化而推倒重来。