Article body
正文
过去两年，AI 大模型迅速进入企业的各种场景。从代码补全到智能问答，从文档生成到数据分析，AI 工具不断刷新个人生产效率。但随着实践深入，一个现实问题逐渐浮现：绝大多数 AI 仍停留在”工具”阶段，能够完成一次对话、生成一段代码，却难以真正融入企业研发流程。需求依旧需要人工协调，文档仍要反复维护，跨团队沟通依然占据大量时间。Copilot 提升了个人效率，却没有改变组织的协作方式。
7 月 24 日，衡石科技举办产品发布会，正式发布 HENGSHI JARVIS，同步带来 HENGSHI SENSE 6.3、HENGSHI CLI、HENGSHI BOX 等最新产品。相比模型能力本身，这场发布会讨论得更多的是另一件事：当 AI 真正进入企业，它如何落地生长为组织的一部分。对这个问题的追问和实践，也最终让衡石团队的产品视野超越了数据和 BI 的边界，从商业智能领域挺进到了更加广阔的组织级决策智能。
从”辅助工具”到”数字员工”，AI 开启主动研发模式
发布会上，衡石 CEO 刘诚忠分享了团队过去半年的内部实践。在衡石内部，JARVIS 已经接入 GitLab、Jira、飞书等研发工具，能够围绕工单持续推进任务，自主完成需求分析、Bug 修复、代码评审、文档整理等标准化工作，并将执行结果同步回研发流程。数月内，JARVIS 累计参与两百多个 Bug 修复任务，综合处理效率约为高级工程师的 3.5 倍。
相比这组数据，更值得关注的是 JARVIS 所代表的工作方式。过去，AI 更像是一位随叫随到的助手，每一次交互都需要人工发起，任务完成后便结束；而数字员工则拥有持续工作的能力，可以围绕一个目标不断推进，在多个系统之间完成信息流转，并按照既定流程执行任务。AI 参与的不再只是某一个操作，而是研发过程中的一个完整环节。
刘诚忠认为，企业研发最大的成本并不来自代码编写，而是需求同步、版本确认、文档维护、跨团队沟通等大量重复性的组织协作。这些工作标准化程度高，却长期消耗研发团队的时间。JARVIS 承担的正是这部分工作，而系统架构设计、产品规划、业务决策等需要创造性判断的内容仍然由人负责。数字员工并不是替代工程师，而是重新分配人与 AI 各自擅长的工作，让团队把更多精力投入创新和设计。
企业 AI 真正的门槛不是模型，而是 Harness 工程与落地能力
如果说数字员工定义了 AI 在组织中的角色，那么真正决定它能否落地的，则是背后的工程体系。刘诚忠在分享中还指出，目前很多企业 Agent 能够完成演示，却难以进入生产环境，原因并非模型能力不足，而是缺少权限管理、过程审计、知识沉淀和持续运行等企业级能力。对于企业而言，AI 不仅要”会回答”，更要”可管理、可验证、可追溯”。
围绕这个目标，衡石构建了 JARVIS-BOX 运行架构。企业知识不再依赖通用知识库，而是持续索引代码、工单、设计文档和评审记录，形成企业专属知识体系；数字员工运行在独立沙箱环境中，拥有明确权限，可以暂停、恢复和重新执行任务；Bug 修复、指标开发、需求梳理等高频工作被封装为标准技能，按需调用，而非依赖复杂提示词；所有执行过程都会保留完整记录，实现代码、数据和操作全过程可追溯；人工评审结果和线上反馈则不断回流知识体系，使数字员工持续积累企业经验。
让AI在组织内通行无阻，HENGSHI CLI 打通工具执行链路
与 JARVIS 同步发布的 HENGSHI SENSE 6.3，进一步完善了数字员工所依赖的数据底座。本次升级最大的变化是推出 HENGSHI CLI。衡石科技首席数据科学家陈家耀认为，自然语言交互虽然降低了使用门槛，但在企业级场景中，复杂任务往往涉及多个 Agent 协同工作，仅依赖对话容易产生语义偏差，增加模型推理成本，也会影响执行结果的一致性。
为此，衡石将数据建模、指标管理、数据集创建、报表生成、权限管理等核心能力封装为标准化的 HENGSHI CLI 命令体系，将原本依赖自然语言理解的能力调用转化为确定性的命令执行。对于上层 Agent 而言，只需负责理解业务需求、规划任务流程；底层则通过 CLI 完成标准化调用和结果返回，实现”规划”与”执行”的解耦。这种设计不仅提升了多 Agent 协同效率，也让数字员工能够更稳定地接入企业现有研发和数据平台，为自动化交付提供统一、可靠的能力接口。
组织级 AI 的底座：五层架构与 HENGSHI BOX
为了让数字员工真正进入企业生产环境，衡石围绕知识、执行、安全和反馈构建了一套完整的五层架构。企业认知层持续索引代码、工单、设计文档等内部资产，帮助数字员工形成企业专属知识，而非依赖通用知识库；隔离运行层通过独立沙箱和权限控制保障任务安全执行；技能执行层将需求分析、指标开发、代码修复等高频工作封装为标准化技能，实现按需调用；治理审计层对任务执行、代码修改和数据访问进行全流程记录，确保每一次操作都可追溯、可审计；反馈迭代层则持续吸收人工评审结果和线上运行反馈，不断完善知识体系和执行策略，使数字员工能够随着业务演进持续学习和优化。
支撑这套架构落地的，是衡石同步推出的 HENGSHI BOX。它并非传统意义上的硬件设备，而是面向企业数字员工打造的一体化运行平台，集成模型管理、知识管理、任务调度、运行环境和安全治理等核心能力，为 JARVIS 提供稳定、可控的运行环境。企业无需重新搭建复杂的 AI 基础设施，即可将数字员工快速接入现有研发、数据和办公系统，在统一的权限体系下完成模型部署、知识沉淀、技能执行和运行监控。
通过 HENGSHI BOX、HENGSHI SENSE、HENGSHI CLI 与 JARVIS 的协同，衡石构建起覆盖数据底座、运行平台和数字员工应用的完整产品体系，为企业提供了一套可持续演进的 Agentic BI 基础设施。
产品资产，也可以交给数字员工持续维护和精进
除了研发流程，发布会还展示了数字员工在产品管理中的另一项实践。
很多企业在长期发展过程中都会遇到产品资产分散的问题：代码、文档、客户项目和历史经验彼此割裂，售前、研发和交付往往依据不同的信息开展工作，随着版本不断演进，产品能力边界越来越难梳理。
AI 先锋社区**「Agents特区」发起人「瑞典马工」**马驰针对这一问题，利用 HENGSHI JARVIS 提出了一套逆向产品规格方法。数字员工首先从代码、历史需求、产品文档和客户项目中自动提取信息，建立功能切片，再结合用户旅程进行一致性校验，最后由产品负责人完成业务裁决。大量检索、比对和整理工作交给数字员工完成，人工负责最终确认，形成一套能够持续更新的产品规格体系。相比一次性的文档整理，这种方式更接近持续维护企业知识资产，也让售前、研发和交付能够基于统一的信息开展协作。
FDE 资深专家马驰（本活动特邀嘉宾）：AI 技术观察者、独立开发者，长期关注大模型、Agent、AI 编程与企业智能化应用。持续分享 AI 产品实践、开发经验及行业趋势，致力于探索 AI 在研发组织、企业软件和数字化转型中的实际落地。
AI 落地的本质是重新设计组织运行流程
衡石此次发布的 JARVIS、HENGSHI SENSE 6.3、HENGSHI BOX 和 HENGSHI CLI，并不是彼此独立的产品，而是一套围绕数字员工构建的企业级能力体系。从数据底座、运行平台到标准化执行能力，再到数字员工应用，衡石试图回答的是一个更长期的问题：当 AI 成为企业的一部分，组织该如何重新协作。
或许，企业 AI 的下一阶段，不是谁拥有更大的模型，而是谁能够让 AI 真正进入业务、融入流程，并在真实工作中持续创造价值。