01
元素模块化:业务系统本身成为能力目录
传统接入方式常把一批接口重新包装成 Agent 工具,再单独维护一份工具说明。接口一多,模型既难以挑选,说明也容易与真实系统脱节。
JitAI 的元素既是应用的组成单元,也是 Agent 发现能力的起点。模型元素描述业务对象,服务元素描述可执行动作,知识元素承载业务资料。
Agent 可以先依据名称和描述找到候选,再读取目标的字段、参数与操作约束。应用中的同一项业务能力因此不必为每个 Agent 重新发明一种表达方式。
巧妙之处在于减少“业务系统”和“Agent 工具箱”之间的翻译层。业务能力新增或调整后,Agent 的能力发现仍以当前应用中的元素及其说明为依据。
当然,这要求元素的名称、描述和契约维护准确;自感知不是让模型凭空猜出系统结构。
02
系统语义自感知:先找到真实对象,再读取细节
企业系统可能有成百上千个模型和服务。把所有字段、参数和规则一次塞进模型上下文,既昂贵,也会让选择变得混乱。
JitAI 采用渐进式发现:先从业务名称与描述中定位候选对象;确认目标后,再读取它的详细结构和调用说明。
对于数据模型,Agent 要先确认模型及字段;对于服务函数,要先确认函数及参数,之后才进行调用。
这使 Agent 面对“查客户交付风险”时,可以从真实存在的客户、订单和交付对象出发,而不是猜测数据库表名或凭空编造接口。
系统语义来自应用的自描述与查询结果,模型负责理解和选择,业务系统负责提供可核对的事实。
03
Skill 与插件渐进加载:方法和执行能力分开进入任务
企业需要沉淀两种不同的资产。Skill 是“怎么做”:例如交付风险如何判断、异常订单要核对哪些证据、处理建议应按什么顺序形成。
插件是“能做什么”:例如查询业务模型、调用服务、生成文档或与用户交互。
JitAI 不要求把所有 Skill 正文和所有插件工具同时交给模型。Agent 可以先看 Skill 目录,遇到匹配任务的方法再读取完整内容;
如果该 Skill 声明需要特定模型、函数或交互能力,再按需启用。当前 Agent 已配置为候选的业务插件,也先以能力名称和描述供 Agent 判断,
需要时才激活,其工具随后进入可用范围。
这不是单纯节省上下文。方法、能力和任务保持松耦合:同一套“交付风险研判”方法可以被多个 Agent 复用,执行动作由当前 Agent 已配置的插件提供。
能力目录再大,一次任务也只需要展开与当前目标有关的部分。
04
从数据到动作:让 Agent 在业务应用里闭环
很多 Agent 能检索知识、生成建议,却无法把建议落实到系统里。JitAI 把数据模型和服务函数作为两类核心连接:前者让 Agent 看见业务状态,
后者让它调用业务动作;页面和交互能力则让人可以查看、确认和接续处理。
因此,同一个 Agent 可以围绕一项业务任务完成“找记录、读规则、分析、提出动作、获得确认、调用服务、返回结果”的链条。
这里的闭环不是承诺每个场景都自动执行,而是企业可以在同一应用体系内配置从信息到行动的路径。
05
发现与授权分离:知道某项能力,不代表可以使用它
企业需要开放探索,也需要边界清楚的生产流程。JitAI 支持让 Agent 根据目录寻找相关能力,也支持为特定 Agent 限定能力范围;
用户角色、业务元素的调用规则和人工确认可进一步约束执行。
这一区分很关键:能力目录回答“当前应用中有哪些可发现的业务能力”,Agent 配置与用户权限回答“这次任务可以使用哪些能力”。
模型可以提出选择,不能仅凭自己的判断获得系统授权。
实际权限和审批效果仍需按接入的业务对象与流程逐项配置和验证。
06
业务消息卡片:让人机交互深入任务,而非停在聊天框
企业任务中的“给人看”和“请人决定”不是同一种交互。前者可能需要表格、图表、指标或业务记录;后者可能需要选择方案、修改信息、确认操作,
甚至提交一份表单。把这些都写成一段文本,会让用户在对话与业务页面之间反复切换,也难以把人的反馈准确交还给 Agent。
JitAI 把消息卡片也组织成可复用的业务元素。卡片有自己的名称、用途、输入要求和展示方式:Agent 可以先发现适合当前任务的卡片,
再按卡片约定填入业务数据。展示型卡片呈现结果而不打断任务;交互型卡片收集选择、确认或补充信息,等待用户操作后再让 Agent 接续。
当前应用中已经有统计结果的表格与图表、记录表单、人工确认等不同形态;企业也可以为自己的业务场景定义专属卡片。
这里的精妙之处是:卡片不是给聊天界面添一个好看的组件,而是把用户的判断变成任务下一步可使用的结构化输入。
同一套 Agent 可以根据业务对象和当前环节,给不同用户呈现不同的信息与操作方式;从“看结果”到“作决定”再到“继续执行”,人始终留在工作流程里。