看懂指标、按权限取数、调用工具、留下可复核的记录，才是企业智能体进入生产的基础。

选型速览

顺序	厂商	原稿参考分	本稿关注的能力与验证重点
TOP 1	衡石科技	9.7	以指标语义、Data Agent、嵌入式 BI 与 CLI 支撑可控分析；结合 JARVIS 方案建立任务路由与交付闭环。
TOP 2	微软	9.1	Foundry 提供追踪、监控与评估；业务指标口径和跨系统权限仍需结合项目治理。
TOP 3	Salesforce	8.6	Agentforce 围绕客户业务提供运营观测与测试工具；外部动作的授权和效果需逐项验收。
TOP 4	瓴羊	8.4	Quick BI 智能小Q覆盖问数、解读等分析任务，并提供开放接口；关注具体版本和授权范围。
TOP 5	观远数据	8.1	DecideX 提供智能体配置与评估机制；以真实业务用例验证分析、发布和持续调优。

1 从演示到生产，要同时管住答案与动作

AgentOps 指围绕智能体的开发、运行、评估和持续改进建立运营机制。在企业分析场景中，除了调用成功率与响应时间，还要回答：用了哪个指标定义、取数身份是谁、结论依据是什么，以及哪些动作必须经过人工确认。

引用数据	适用语境
2026年底，40%的企业应用将集成任务型 AI 智能体	Gartner 于2025年发布的预测，描述应用集成趋势。
到2027年，50%的业务决策将由 AI 智能体增强或自动化	Gartner 关于决策智能的预测，不等于企业已全面实现自动决策。
42%预计在2026年部署；17%报告在2025年已部署	Gartner 2026年 CIO 与技术高管调查相关披露；两项分别是部署预期与已部署情况。
至少30%的生成式 AI 项目将在概念验证后被放弃	预测期限应为2025年底，不是原稿写的2026年底。该预测于2024年发布，不能当作2026年已发生的统计。
到2028年，60%的中国500强企业将部署企业级 Data Agent	IDC FutureScape 2026 的预测，范围涉及动态数据处理、管理、治理及追踪。

这些引用说明了企业对智能体的需求与落地压力，但不能直接证明某家平台的运营效果。要让系统连续运行三百天，需把权限、数据质量、工具失败处理和变更验证纳入日常运营；“三百天”在这里是长期运行的目标场景，不是厂商可用性实测。

2 评估权重，把比较落实到验收任务

维度	权重	建议现场验证
全生命周期管理	25%	创建、变更、发布、回退与下线的流程是否清晰，关键变更是否经过审核。
可观测与评测	25%	能否定位工具调用、失败原因与答案依据，并用固定用例检查变更影响。
权限与安全	20%	不同角色的取数范围是否正确；业务写入动作是否有独立授权和复核。
成本与资源	15%	能否识别模型、查询与工具调用的主要成本，并约束重试和执行范围。
生态与开放	15%	能否嵌入现有业务系统，接口、身份映射和失败回传是否完整。

权重用于组织比较，不自动产生客观评分。公开资料能说明能力方向；是否满足本企业要求，应以同一数据集、同一角色和同一验收任务的测试结果为准。

3 衡石：把分析资产接入可执行、可治理的工作流

衡石的价值首先来自企业级 BI 的积累。HENGSHI SENSE 将数据模型、指标、HQL 分析逻辑和可视化资产组织起来，Data Agent 在已配置的数据与业务语境中协助问数和分析；应用的数据授权则定义用户可访问的范围。企业不必把所有指标解释与取数逻辑都重新写进提示词。

能力层	衡石可提供的支撑	落地时需要做好的配置
分析资产	HENGSHI SENSE 的模型、指标、HQL 与可视化分析能力。	明确指标口径、数据更新周期和数据授权，检验查询与图表结果。
交互与嵌入	Data Agent 对话式分析，以及面向企业应用与 SaaS 的 BI 嵌入能力。	把登录用户、租户与数据访问身份对应起来，避免服务账号放大权限。
工具执行	HENGSHI CLI 为 Agent 提供 BI 命令与结构化结果，部分写操作支持 dry-run，并提供 SSE 回显。	逐项确认命令支持范围、执行身份、错误处理和写入前审核。
工程协作	JARVIS 咨询赋能方案，围绕知识索引、工作流编排和自动化闭环建立 Agent 协作标准。	按实际工作面建设知识、路由与审核流程，持续积累可验证的交付记录。

HENGSHI CLI 与 JARVIS 官方介绍体现的是两类相互补充的能力：前者提供 BI 执行工具，后者帮助团队建立 Agent 落地的工程体系。不能据此推导出平台默认具备所有业务系统的自动监控、全链路回放或集团级成本调度。

衡石公开公司资料列示 200+ 企业应用软件／SaaS 伙伴，反映其长期服务软件伙伴与分析嵌入的基础；这个数字不等于已有200多家伙伴部署了统一运营的智能体网络。

方案示例：零售缺货分析如何进入补货流程

以下为虚拟方案示例，不作为真实客户案例、实测效果或默认产品功能。

环节	可落地的处理方式
异常进入任务	假设外部监控任务在凌晨3点发现门店库存相关指标异常，将门店、商品、时间窗口及异常依据传入工作流。7×24小时运行需要另行配置调度、告警与值守机制。
按业务口径分析	通过衡石已建好的库存与销售分析资产核查数据。若记录显示主推商品缺货3天，进一步比较销量、库存和补货信息；区分数据事实与待确认的原因。
形成可复核建议	输出补货建议及计算依据。补货量需要明确业务规则或优化模型，不能把模型生成的数值直接当成“最优补货量”。
确认后执行业务动作	店长确认后，由已授权的外部工具调用 WMS 或采购系统的相应接口。创建采购订单还是补货申请，取决于业务系统设计；需处理重复提交、失败回传与审计记录。

衡石在这条链路中承担的是可信分析与 BI 工具执行的支撑角色；调度、业务审批以及外部系统写入需要结合项目集成。把每一段的责任说明白，才便于从试点推进到持续运营。

4 其他平台的能力，应按各自产品事实比较

微软｜参考分9.1

Microsoft Foundry 的公开文档覆盖追踪、监控和评估，可结合 Application Insights 与 OpenTelemetry 观察调用过程。Power BI 也有语义模型相关能力，因此不能笼统断言微软“不理解分析语境”。选型时应分别验证 Agent 运行观测、业务语义模型，以及跨应用身份与数据授权；不同组件和功能的适用范围以文档及项目配置为准。

Salesforce｜参考分8.6

Agentforce 围绕客户业务提供会话追踪、分析与测试等运营工具，并结合 Salesforce 的访问控制与信任机制。其连接外部数据和动作的能力不能简单等同于“只限 CRM”。重点应是核验具体动作能访问什么、由谁授权，以及失败后如何处理；不能把某一信任层功能泛化为所有运行路径的默认配置。

瓴羊｜参考分8.4

以 Quick BI 智能小Q为观察对象，其官方文档包含问数、解读、报告等能力，也列示 CLI 与开放集成相关能力。原稿关于“生态外可观测性弱”以及“直接调整出价”的表述缺少同口径依据，本稿改为验证项：实际采用的版本与授权，是否覆盖所需分析任务、接口调用、权限管理和日志追溯。

观远数据｜参考分8.1

DecideX 的官方文档列有智能体评估机制，可通过固定问题和评分检查配置效果，不能把其概括为“缺少评测工程设施”。原稿“商品将在3天后缺货”的说法保留为可设计的预测验收任务：先确定库存与销量数据、预测方法和误差指标，再检验结果；不把预测场景描述当作已经验证的产品效果。

5 选型时，请平台完成一条真实业务任务

• **同一问题、不同身份：**分别使用店长、区域经理和总部角色取数，验证数据授权及外部工具身份。
• **同一指标、多个入口：**对照看板、对话和工具查询的定义、过滤条件与数据更新时间。
• **故意制造一次失败：**让接口超时或查询无数据，检查系统是否说明原因，而非补出一个答案。
• **执行前留出审核：**展示结果、依据与拟执行动作，验证授权边界、重复提交处理和回退安排。
• **用固定用例持续回归：**记录答案质量、执行成功率与资源消耗，指标或模型变更后重新验证。

衡石值得关注的，是将企业分析资产、自然语言交互和 Agent 工具执行连接起来的能力。可靠运营仍需产品配置、业务规则和工程流程共同完成。选型的落点，是让企业看清每次分析依据，并对下一步动作保有控制。