EAT:给企业里的 Agent 一座 IM,把上下文、权限和交付连起来。
内容摘要
EAT 将企业使用 AI 的瓶颈归纳为技术鸿沟与协作成本:模型可以生成方案,但业务人员仍难以取得日志、理解代码与数据结构,或把应用部署到可用环境。平台以“Agent 的企业 IM”为定位,连接个人、云端及企业 Agent 与分散的知识、代码和资源,把上下文理解、资源调用、权限审批及求助流转纳入统一协作过程。其目标是让业务需求能够进入交付闭环,同时沉淀团队经验,使后续 Agent 可以复用已有信息和处理记录,而非每次重新找人补齐上下文。
关键事实
- 平台定位面向团队内部上下文与资源权限的 AI 分发及协作平台,现场将其比作 Agent 的企业 IM。
- 接入方式人员通过控制台操作,AI 通过 CLI、MCP 等工具调用平台能力。
- 协作机制路演介绍求助、权限审批、通知、经验沉淀与审计留痕。
- 已有成果(口播)平台上线 60 多天后已有 30 多个应用,包含营销内容、客户管理、经营及财务分析,应用由非技术同学上线。
- 幻灯片另列上线 61 天、30 个应用与页面;3,126 次平台能力交互(获取企业数据与资源 1,904 等分项)。售后排查案例写 7 分钟完成定位,口播未展开该时间。

演讲资料
演讲视频
技术鸿沟与协作成本
大家好,我们带来的是 EAT,Easy Agent Team。它是一个 Agent 的企业 IM 工具,但不是 IM 里面的一个 AI,而是给 AI 的一个 IM 工具。我们先从现在面对的一个变化说起。如今 AI 已经帮我们把能力补上了:不懂代码时,AI 可以来写;复杂的工作,AI 可以来做。但是实际情况,比如我们要排查一个用户的问题,分析一个业务数据,或者说把自己做好的一个工具分享给团队,甚至做一个自己的 AI 中台,随着自己的系统不断迭代,这些事情其实 AI 都可以做到,但现实是它们又都卡得不能做到。
因为没有日志数据,我们只能去找研发,去等着。拿不到数据,我们就要去找数据的同学,请他们帮我们解决。我们做完应用之后,也没有地方上线,只能留在自己电脑里面。所以这些事情,处处都要找人。AI 不是有各种能力吗?但实际上,它又遇到各种障碍。在企业里面,我们就有这样一个天然的屏障,我把这个称作两道墙:第一个是技术鸿沟,第二个是协作税。
先说技术鸿沟。比如一个业务同学,他说想要一个页面,想看客户的数据是什么样。把需求说完了,这个时候 AI 可能会问他一堆问题:你的业务模型什么样?你的代码什么样?你的数据怎么存?你的模型怎么接?这一系列问题,业务同学是听不懂的,里面还有很多技术名词,他也答不了。所以鸿沟不在于写代码,而在于代码之外的这些地方。
第二个就是协作税。如果业务同学去找研发帮忙,其实他也无法把问题传输出去,因为他根本听不懂在说什么,也无法转述问题。真的找到了人帮忙解决,但是还要来回沟通,讲自己遇到的是什么问题,对方要帮他理解。很多时间和精力都耗在里面,这是我们在等待上要付出的成本。
遇到这么多事情,用 AI 处理问题这么复杂,大多数普通人可能就选择放弃,回到传统的、最习惯的方式去解决问题。正是因为这些成本,很多事情 AI 还没有开始干活。这样的困局,让企业里面 AI 化的转变变得非常慢,甚至停滞不前。很多企业看似在用 AI,用得却非常表面,而 EAT 就是去解决这些事情的。
连接企业上下文与资源
我们现在的工作会发生在这么几个地方:一个人自己本地的 Agent、每个人可能还有一个云端 Agent,企业还会给我们企业的 Agent。企业的数据又散布在各个地方:代码仓库、数据库、IM 里的群聊对话、企业知识库文档、云资源,甚至每个人工作电脑里面的资料。现在缺少的,就是各个地方的 Agent 和企业上下文之间的高速桥梁,把所有信息打通。
EAT 就是做这个事情的,它像一个给 Agent 的 IM,把所有信息共存在一起,把企业的上下文、信息、数据变成 Agent 可以理解、可以调用的东西。遇到更多问题,人和 Agent 跟我们工作,也可以通过 EAT 让工作流动起来,让工作中遇到的问题积累、沉淀下来。员工不用再关心所有技术细节,即使业务同学不懂研发、不懂技术,问题也可以交给 Agent,去帮他解决背后的技术问题。我说的这些并不只是概念,也不是理想情况,其实在我们的产品里面。
平台能力与应用交付
EAT 平台有这么几个东西:把企业数据、知识库内容通过持续集成的方式集成进平台,让 Agent 可以理解;把应用部署、页面上线、环境变量、凭证跟数据,变成 Agent 可以调用的内容。EAT 还有一套求助系统、权限审批通知机制,让 Agent 和人之间的数据在平台里流转。再通过经验沉淀、检索和审计管理,让内容留痕,后面的 Agent 可以通过历史经验更好地工作。
人通过控制台,AI 通过 CLI 工具、MCP 工具,通过这些触点,让所有事情在这里发生。过去提出需求之后,需要过评审、等排期。但是如今有一个需求,员工可以直接和自己的 Agent 说话,Agent 借助 EAT 的能力,最终直接上线成一个应用,整个过程可以自己闭环。成员只需要对需求负责,所有技术问题由平台负责兜底。
协作流转、经验沉淀与实际应用
EAT 会降低协作成本,通过求助系统,把事情在所有平台之间、Agent 之间流转。这会带来几个优势。第一,Agent 帮忙解决、传达信息,会说得更准,不会像人那样说得模模糊糊,而且带着完整上下文。第二,一个 Agent 传达的信息,可能由其他人的 Agent 帮它解决。其他人的 Agent 就像秘书,把简单问题拦截、处理掉,只处理复杂问题。而且 Agent 回答的问题也会沉淀为经验,由团队内部共享使用,以后也不需要再回答这类问题。EAT 解决这些协作税的问题,AI 就可以在团队里面真正工作。
这些是我们平台上线60多天之后上线的应用,有30多个,都是非技术同学上线的,涉及营销内容管理、客户管理、经营分析、财务分析、管理等更多东西。这些都是他们真实的需求,也在帮助自己和团队解决问题。而这些事情,在现在的很多团队里很难。每个人想快速上线一个应用、闭环一个事情,基本上不太可能。所以 EAT 简单说,就是让需求更直接地转化成成果,让协作可以真正工作。好,谢谢大家。
AI 会写代码,为什么业务人员仍难交付应用?
根据张昊的演讲,阻碍不只在代码生成,还在业务模型、数据存储、日志、模型接入及上线资源等代码之外的条件。业务人员不一定理解或能够转述这些技术问题,跨团队反复求助又增加等待成本。EAT希望把这些条件变成Agent能够理解和调用的上下文与能力。
平台怎样减少跨团队沟通成本?
根据张昊的演讲,Agent通过求助系统携带完整上下文传递问题,其他人的Agent可以先处理简单事项,复杂问题再交给人员。处理结果沉淀为团队经验,让后续问题可以检索和复用。协作成本的减少依赖上下文、求助流转和经验留存共同发挥作用,并非只把人拉进同一聊天窗口。
平台如何连接业务需求与上线资源?
根据张昊的演讲,平台持续集成企业数据和知识,把应用部署、页面上线、环境变量等能力转化为Agent可调用资源,并配合权限审批、通知和审计。人员经由控制台参与,Agent通过CLI、MCP接入。平台希望承担技术条件的衔接,使业务同学主要对需求本身负责。















