在前面的“可信知识库”系列中，我们重点讨论的是企业资料如何被 AI 看懂。无论是 PDF、Word、Excel、PPT，还是工程图纸、业务表格和知识问答系统，核心问题都是如何把分散、复杂、格式不统一的企业资料转化成 AI 能理解、能检索、能引用的知识内容。这个阶段解决的是“AI 能不能看懂资料”的问题。

但当 AI 已经能够看懂资料之后，企业很快就会提出下一个问题：AI 能不能不只是回答问题，而是直接帮我完成任务？

比如：

这些需求已经超出了普通知识问答系统的范围。知识库更像是企业 AI 的“资料室”，负责把资料整理好、理解好、检索好；而智能体更像是企业 AI 的“执行助手”，它不仅能查资料，还能围绕一个目标，判断下一步该做什么，调用工具获取结果，再根据结果继续推进任务。这就是从可信知识库到可信企业智能体的自然升级。

企业建设知识库，首先是为了解决“资料能不能被 AI 看懂”的问题。

过去，很多企业的资料分散在 PDF 报告、Office 文档、Excel 台账、PPT 汇报、工程图纸、数据库表和业务系统中。不同格式之间结构差异很大，字段含义、表格关系、图片内容和版本依据也不容易被模型直接理解。因此，可信知识库的重点，是让 AI 能够正确解析资料、理解语义、找到依据，并给出可追溯的回答。

但企业业务并不会停留在“问一个问题、得到一个答案”上。

很多真实工作都需要连续执行多个步骤：先查资料，再判断条件，再补充信息，再生成结果，最后还可能需要发起流程、形成报告或交给人工确认。

普通知识库可以回答“这个客户有哪些历史合作记录”，但可信企业智能体要进一步完成“根据历史合作记录分析客户风险，并生成跟进建议”。

所以，知识库和智能体之间不是替代关系，而是递进关系。知识库让 AI 拥有可用的知识基础，智能体则让 AI 基于这些知识去完成实际任务。

可以说，没有知识库，智能体缺少可靠的业务依据；只有知识库，没有智能体，AI 又很难真正进入企业工作流。

可以把企业智能体理解成一个会使用工具、会分解任务、会持续推进工作的 AI 助手。普通大模型更像一个顾问，用户问什么，它回答什么。而企业智能体更像一个执行者，用户给它一个目标，它会围绕目标拆解任务，并在执行过程中不断根据结果调整下一步。

比如，用户说“帮我整理一下这个客户是否值得继续重点跟进”。普通 AI 可能会直接给出一套分析框架，告诉你可以从合作历史、回款情况、沟通频率和项目进度几个方面判断。

但企业智能体的工作方式不同，它会先查客户基本信息，再查历史合作记录，再查最近沟通内容，再查看项目进展和回款情况，最后把这些信息汇总成客户跟进建议。

企业智能体的核心不是一次性生成答案，而是不断循环。它会接收任务、理解目标、判断下一步、调用工具、查看结果，再继续判断，直到任务完成。这个过程让 AI 从“生成文字”变成了“推进任务”，也让企业 AI 从问答系统逐步走向自动化助手。

过去，AI 最大的问题是只能说，不能做：

企业智能体的关键变化，是把大模型和工具连接起来。

工具可以是文件读取工具、数据库查询工具、企业系统接口、搜索工具、代码执行环境、报告生成工具，也可以是审批、通知和流程流转工具。

有了这些工具，AI 就不再只是一个回答问题的模型，而是可以进入企业真实工作流的一部分。

比如：

这就是企业智能体和普通 AI 问答最大的区别。问答系统回答“你应该怎么做”，而企业智能体尝试“帮你把事情做完”。

很多人第一次接触智能体，会把它理解成一个插件，或者一个更复杂的聊天机器人。但从企业落地角度看，企业智能体其实不是单一功能，而是一套完整的工作机制。它要同时具备工具调用、任务规划、记忆管理、权限控制和过程审计等能力，才能在真实业务场景中稳定运行。

首先是工具调用能力。AI 要能够连接外部系统，比如文件、数据库、API、代码仓库和业务平台。没有工具，智能体就只能停留在文字层面，无法真正读取数据、调用系统或执行操作。

其次是任务规划能力。复杂任务不能想到哪做到哪，智能体需要把目标拆成多个步骤，知道哪些已经完成，哪些正在进行，哪些还没有开始。这样它才不容易在长任务中跑偏，也不会做到一半忘了原始目标。

第三是记忆能力。企业任务往往不是一次性的，智能体需要记住历史决策、用户偏好、项目规则和常用流程。一个真正好用的智能体，不能每次都像第一次上班，而应该能够不断积累业务经验。

第四是权限控制能力。智能体一旦能调用工具，就必须明确边界。哪些文件可以读，哪些数据不能碰，哪些操作必须审批，哪些工具必须禁止，都要提前设计。否则，智能体越能干，潜在风险也越大。

第五是过程审计能力。企业不能只看智能体最后说了什么，还要知道它中间做了什么。它读了哪些文件，调用了哪些工具，访问了哪些数据，有没有越权，有没有跳过关键步骤，都需要留下轨迹。

因此，可信企业智能体不是简单接一个大模型 API，而是要解决“能不能做事、会不会跑偏、记不记得经验、有没有权限边界、出问题能不能追溯”等一系列工程化问题。

智能体越能干，越不能放任它自由发挥。一个只能聊天的 AI，主要风险是回答不准确；但一个可以调用工具的 AI，风险就会明显变大。

因为它可能读取文件、修改内容、调用接口、访问外部链接，甚至连续执行多个操作。一旦缺少边界和审计，问题就不只是“答错了”，而可能变成“做错了”。

比如，企业让智能体总结一份外部文档。如果这份文档里隐藏了恶意指令，要求模型忽略原有规则、读取敏感文件或向外部发送信息，普通人一眼能看出这是不合理要求，但大模型可能会把它误当成新的任务指令。这类问题通常被称为提示注入，是智能体安全中非常典型的风险。

再比如，智能体为了完成一个看似正常的任务，可能读取了过多文件，结果把密钥、合同金额、客户名单等敏感内容带进了回答、日志或外部调用中。这类问题属于数据过度暴露。对于企业来说，这类风险不能靠事后人工检查解决，而要在系统设计阶段就通过权限、路径、敏感文件识别、人工审批和日志审计进行控制。

所以，企业真正需要的不是“什么都能做”的智能体，而是在授权范围内可靠做事的智能体。可信企业智能体的核心，不是让 AI 无限制行动，而是让 AI 在可控边界内行动。

前面的可信知识库系列，重点讲的是企业资料如何被 AI 看懂。PDF 怎么解析，Office 文档怎么结构化，Excel 数据表怎么转成业务语言，工程图纸里的参数怎么提取，企业知识问答怎么做到有依据，这些能力构成了企业 AI 的基础。

但当 AI 已经能够看懂资料后，下一步自然就是让它处理任务。

企业会希望 AI 不只是查一段资料，而是自动完成一个业务动作；不只是总结一份文档，而是生成一份可用报告；不只是回答一个问题，而是推动一个流程。

这时候，可信企业智能体就成为企业 AI 落地的下一站。它可以面向销售、项目、研发、财务、客服、知识运营等不同场景，形成面向岗位和流程的 AI 助手。

比如：

这些场景背后，真正重要的不是“AI 看起来很聪明”，而是它能不能稳定、可靠、安全地完成一个业务闭环。企业要的不是一次惊艳的演示，而是一个可持续运行、可追踪、可管控的智能体系统。

接下来这个系列，我们会围绕企业智能体开发，逐步拆解几个核心问题：

1）工具调用：AI 如何连接文件、数据库、系统接口和业务流程，从只会回答变成能够执行。

2）智能体循环：AI 如何通过“思考、行动、观察”的方式一步步推进任务，而不是一次性猜答案。

3）任务规划：当任务涉及多个步骤时，智能体如何拆解目标、跟踪进度、防止跑偏。

4）记忆机制：智能体如何沉淀历史决策、业务规则、用户偏好和操作方法，避免每次都从零开始。

5）Agent 评测：如何从任务完成率、证据准确性、工具调用正确率、执行稳定性、权限合规性和用户采纳率等维度，判断智能体是否真正可用。

6）Agent 自优化：如何根据评测结果、执行日志和用户反馈，把高频业务流程沉淀为可复用Skill，并持续优化任务执行效果。

在进入真实业务场景后，我们还会讨论智能体如何接入工作流，包括文件处理、代码分析、数据查询、报告生成和流程协同。

同时，也会重点讨论权限控制和安全防护。因为智能体一旦拥有工具，就必须明确它能做什么、不能做什么，尤其是涉及文件写入、数据库修改、外部调用和敏感数据访问时，更需要谨慎设计。

最后，我们还会讨论智能体的轨迹、日志和审计。企业不能只看智能体最终输出了什么，还要看它中间做了什么。一个真正可信的企业智能体系统，必须能够追踪过程、定位问题、评估效果，并持续优化。

企业智能体的核心能力，不仅体现在能否调用工具完成任务，也体现在能否被持续评测、诊断和优化。

与普通问答系统不同，Agent 的输出结果来自一条完整的执行轨迹，包括任务拆解、检索查询、工具调用、状态更新、证据选择和最终生成等多个环节。

因此，企业在建设智能体时，不能只评估最终答案，而要对 Agent Trajectory 进行过程级评测，分析每一步操作是否必要、是否正确、是否合规、是否对最终结果产生有效贡献。

在此基础上，可以进一步利用评测结果指导 Agent 自进化：将高质量执行轨迹沉淀为可复用的 Agent Skill，将失败案例转化为规则、提示词或工具流程的改进依据，将用户反馈和人工修改结果纳入持续优化闭环。

这样，Agent 评测就不再只是“打分”，而是成为智能体自优化的反馈信号，推动企业智能体在真实业务中不断积累经验、修正错误、提升稳定性和任务完成质量。

AI 开始干活了，但必须可信。

企业 AI 的发展，大致可以分成三个阶段：

现在，越来越多企业正在从“可信知识库”走向“可信企业智能体”。

但企业智能体不是简单的 AI 自动化，也不是让大模型随意调用工具。它涉及工具调用、任务规划、记忆管理、权限控制、安全防护和过程审计。

真正能落地的企业智能体，一定不是只追求更智能，而是要做到能做事、不越界、不乱做、可追踪、可验证、可持续优化。

这也是“可信企业智能体”这个系列想要讨论的核心。

下一篇，我们会从智能体最关键的能力讲起：AI 为什么能真正动手？答案是工具调用。当 AI 接上企业的文件、数据库、系统接口和业务流程，它才真正从“会回答”走向“能执行”。

如果您的企业正在建设内部知识库、智能问答系统或业务智能体，尤其遇到复杂文档处理、表格问答、图纸资料理解、多部门权限控制、答案来源追溯等问题，欢迎与广东省制造业协会人工智能与机器人专委会联系咨询。

《“具智AI”知识专栏》由广东省制造业协会人工智能与机器人专委会与中山大学智能软件研究中心联合打造，由中山大学等高校专家定期分享人工智能与机器人最前沿技术硬核知识。

图片来源于网络，如有侵权请联系删除

技术支持：何笑雨

编辑：刘颖、叶健文、吴伟佳