火山引擎HiAgent“1+N+X”智能体工作站发布

回顾2025年，是 AI 从“工具泛滥”开始走向“数字生产力上岗”的关键一年。过去，企业还在犹豫是否要尝试大模型，而现在企业 OA、CRM、生产线都已部署 Agent。

然而，问题来了，这些 Agent 像“临时工”一样散落在各处，缺乏管理与协作，导致要么“用不起来”，要么“越用越乱”。就像工业时代我们用 ERP 解决了“数据孤岛”，AI 时代，我们不能让 Agent 变成新的“数字孤岛”。企业需要的不是孤立的智能工具，而是支撑业务的智能体中枢。

火山引擎给出的最新答卷是：由“1+N+X”组成的 HiAgent 一站式智能体工作站。

“1”是 AgentSphere，这是所有数字员工统一的交互入口，是人机协作的“主战场”；

“N”是智能体中心，是数字员工的“人才市场”和“纳管中心”，汇聚了各类通用的、业务的、甚至第三方的Agent能力；

“X”是 HiAgent 开发运维平台，这是数字员工的“培训学院”和“兵工厂”，负责从开发、调试到持续运营的全生命周期管理。

1：AgentSphere

下一代企业AI员工交互入口

为什么要先做“1个统一交互入口”？

现在企业的智能体不是太少，反而是太多太散，根据 HiAgent 客户数据显示，平均每家企业投产了130多个智能体，最多的甚至超过600个，但这些工具散在 OA、CRM 或自己的对话界面里，没有统一入口，员工不会用、不愿用，推广起来特别费劲。

这就像工业时代早期，企业招了大量工人、买了一堆设备，却没有 ERP、SCM 这样的系统来规范流程，打通数据，最后必然陷入“混乱低效”。随后，SAP 的出现定义了工业时代的企业管理规则，打通了人，流程和资产。

就像工业时代早期，企业缺乏 ERP、SCM 系统来规范流程，导致“混乱低效”。AI 时代，企业也需要新的“管理中枢”来规范数字员工的运行规则。AgentSphere 正是为此而生，旨在从管理人和流程，转向管理 Agent 和数字员工。

所以，虽然我们进入了 AI 时代，但企业还是面临着新一轮的烟囱式IT孤岛、面临麻烦的系统切换和复杂的系统集成。而 HiAgent 提供的1个统一入口，就是帮企业搭起“数字长江大桥”——用A2A+MCP 协议低成本集成所有智能体和业务系统，让员工不用再“跨系统跑”，而是通过一个工作空间调度一切。

当然，光有官方提供的 Agent 还不够。智能体中心还拥有强大的纳管能力，能将企业内部原本分散在各个系统中的存量 Agent，甚至是第三方开发的 Agent，统一接入到这个中心进行管理。

无论是火山引擎培养的“外包员工”，还是企业自己培养的“内部员工”，亦或是从市场上招聘的“专家顾问”，都可以在这里统一注册、统一调度、统一管控。

AgentSphere：智能体统一协同入口

这样一个交互入口落地以后，能够给企业带来三个维度的价值：

第一，实现千人千面的提效。因为不同岗位大家关注点不一样，销售人员关注客户看板，HR 关注招聘助手，它可以让不同岗位自定义自己所需要的工作空间，让每个人的工作空间长在自己的需求上；

第二，连接企业业务系统，实现更高效的日常工作模式。比如说，通过连接待办、日历、差旅系统，可以通过会议助手发来我没有参会的会议纪要，再通过差旅助手搞定这次来上海的出差。不需要切换系统，只需要两个智能体就能够帮助我完成；

第三，AgentSphere 支持多人+人机协作的模式。在一个复杂的项目中，你、你的同事、以及几个不同的 AI Agent，可以在同一个画布中协同编辑、修改方案。Agent 生成的产物，人可以二次编辑；人提出的修改意见，Agent 可以实时学习。

这个交互入口背后靠的是三大“硬核能力”——

首先是“生成式画布”，每个岗位都能自定义卡片式的图形界面，用户操作起来更顺手，比如行政把“待办助手”放在首页，销售把“客户看板”置顶，让每个人的画布都长在自己的需求上；

第二是意图策略运营，让交互入口通过意图识别能更“懂你”，你想“查待办” ，绝不给你推报表，它还能把业务 SOP 转化成工作流，让大模型学懂你的业务逻辑；

第三是多智能体纳管，能把不同形态的智能体“收编”，包括 HiAgent 和其他第三方平台搭建的智能体，并通过 A2A 协议实现多智能体协同，就像个“智能前台”要啥调啥。

N：企业通用智慧助手

开箱即用的高质量通用智能体

火山引擎 Agent 矩阵

X：业务智能体开发平台

Agent时代的「新DevOps」

在 N 个通用助手之外，企业更需要“懂业务的专才”，这就是“X 个业务智能体开发&运维平台”，为企业定制面向各类业务场景的智能体群。

而让它们“合格上岗”的一个关键认知，就是智能体的效果并非一次性搭建的静态结果，由于商业数据在变、场景在变、业务在变，智能体必须像「职场人」一样持续进化，否则就会陷入「一次性搭建即过时」的困境。

对应的，HiAgent 提供 Agent Devops 全生命周期管理。虽然 Devops 的概念在云原生时代就开始流行，但在 AI 语境下，新的 Devops 更注重业务视角的运营，而非 IT 视角的运维。

Agent Devops 提供从 Agent 开发到运营的持续调优链路，帮助企业打造适应各种业务场景的智能体群。

其中，策略规划和能力开发相当于数字员工的招聘环节，效果评测到应用发布是试用期培训考核和转正，而线上观测到品质优化是日常绩效管理和晋升。

在 HiAgent 平台中，我们通过三个关键步骤来实现智能体从“实习生”到“职场老员工”的蜕变：

第一步，在完成智能体1.0版本的开发后，我们可以让它像实习生一样，在真实的业务场景中小范围处理任务。但不会放任自流，而是为它配置上严格的在线评测任务，实时量化评估“数字实习生”的表现。

HiAgent 最新推出了进阶的过程评测能力，对于复杂的业务任务，我们不再只看最终结果，还关注“实习生”在任务规划、中间环节输出质量、以及合理的工具调用等能力上的表现。

这种精细化的评估，能够帮助开发者们精准定位问题，而不是盲人摸象。评估完成后，观测模块能够统一查看“数字实习生”的表现情况。当实习生表现低于预期时，系统会实时触发预警，帮助运维人员快速定位问题所在。

第二步，定位到具体问题后，我们就能对这位“实习生”开展对症下药的针对性培训了。HiAgent 提供强大的模型管理和训推体系，让企业不再依赖通用模型来解决个性化的业务问题。

系统能够基于线上回流的用户反馈数据和企业的核心知识库，进行清洗、标注，并转化为符合调优格式的高质量数据集；根据智能体在业务场景中暴露出的痛点，我们可以利用这些专属数据，轻松、高效地完成模型精调，构建出更懂企业业务逻辑、掌握独家 Know-how 的专属模型能力。这确保了我们的数字员工，不仅有通用能力，更具备企业级的专业度。

最后一步，通过模型、组件各方面的针对性调优，我们的“实习生”已初步养成，即将蜕变为“职场老兵”。在正式上岗前，我们需要进行一场严谨的“绩效考核”。

HiAgent 的数据模块能够结合最新的企业知识和联网能力，动态生成数字员工的“考核题目”，再配合上全方位的评估、结果分析能力，开发者能够轻松量化每一次的优化价值，确保数字员工具备稳定、可靠的能力，最终能够「持证上岗」。

上岗并非终点，管理仍在继续。数字员工上岗后，平台能够持续统计数字员工的资源消耗情况，提供实时的监控与归因分析能力。成熟的数据飞轮体系将保持常态化运转，让数字员工真正实现“边干边学”，让企业知识能够被最大化利用。

这样的“1+N+X”构建起了企业的「数字员工管理中枢」。

首先，企业梳理自己的个性化需求，并从 HiAgent 里预置的上百种行业模版和 MCP 市场中选择合适的模版和工具作为起点。

其次，业务人员和技术人员通过低代码和高代码混合开发搭建智能体，形成数字员工的初养成。

然后，经过 HiAgent 评测优化后，智能体可以通过灰度或多环境发布，完成数字员工的派遣上岗，并通过统一交互入口和真人员工在日常业务里无缝协作。而整个过程又通过全链路的观测、数据回流与反馈，帮助数字员工在实践中学习进化。

例如，广州公交集团依托 HiAgent 的能力，打造了企业 AI 应用门户集成解决方案，实现了 AI 搜索、辅助决策、办公收文、员工画像、车辆维修等预置场景与发布场景的无缝衔接，发挥生态伙伴的能力让 AI 承担起企业事务性工作。

广州公交集团 AI 员工

由 HiAgent 构建出的24小时在线、业务全能的 AI 数字员工也已经在多个客户公司中落地，成为了企业员工的超级拍档。

在金融领域，我们与中信证券深度合作，让24名 AI 数字员工正式上岗。在他们之中，有“超级研究员”，在上万篇研报中快速找到关键信息，生成逻辑严谨、包含专业图表的深度研报，还有打通了多个系统的“办公流程助手”，下个语音指令就可以轻松搞定出差、请假等流程，为证券行业释放了生产力。