**摘要：**从加一个 AI 助手按钮，到重新设计一套面向 Agent 的操作系统，衡石对 AI+BI 的回答不仅是产品，更是一组关于工程化的观点。本文提炼衡石技术体系背后的三个核心观点，探讨企业规划 AI+BI 长期路线时的参考坐标。

1 两种 AI+BI 思路的分野

在 AI+BI 的浪潮中，大多数厂商选择的是 AI-feature 路线：在现有产品上加一个 AI 助手按钮，让用户可以问数、生成图表。这条路投入小、见效快，但本质上是把 AI 当作现有产品的一个功能插件。

衡石选择的是另一条路：Agent-first。它的核心假设是，未来的 BI 不是人类在图形界面里操作，而是 AI Agent 在后台自动化执行。因此衡石的 AI 投入不是加一个功能，而是重新设计一套面向 Agent 的操作系统：定义 Agent 操作 BI 的标准（HENGSHI CLI）、管理 Agent 的知识与流程（HENGSHI JARVIS）、为 Agent 分配专业角色（Data Agent Family），并提供安全可控的运行环境（HENGSHI BOX）。

AI-feature 回答的是怎么在现有产品里加智能，Agent-first 回答的是 Agent 如何成为 BI 工程的一等公民。两种路线没有绝对的对错，但它们决定了产品演进的路径完全不同。

2 工程化的三个支柱

2.1 标准化比智能化更重要

Agent 不需要创造新的 BI 操作方式，只需要稳定地执行标准化的操作。HENGSHI CLI 把 BI 工程全链路收敛为一棵语义化的命令树，并配以 16 个聚焦的 Skills 套件。所有 Agent 执行同一操作时走同一套流程，结果可预期，问题可追溯。可预期的执行，是可治理自动化的前提。

2.2 可审查性是自动化不可妥协的底线

HENGSHI CLI 用三个机制把 Agent 的自动化从黑盒执行变成白盒协作：dry-run 预演，Agent 在执行变更前先演示要做什么，人类确认后再执行；SSE 实时同步，Agent 在终端里生成的仪表盘，业务人员可以在浏览器里实时看到；全量审计日志，所有操作包含操作人、时间、命令、结果，满足合规审计需求。

2.3 安全是 Agentic BI 的前提条件，而不是附加项

凭证存入操作系统 Keyring，支持 OAuth 2.0 与企业 SSO；HENGSHI BOX 提供硬件级安全边界，所有命令执行、数据处理、模型推理都在机箱内部完成，没有任何数据流向外部。当 Agent 开始拥有 BI 系统的操作权限，安全设计必须与权限同步到位。

3 人机协作的新分工：人做决策，Agent 做执行

衡石 Data Agent 的协作模式展示了一种新的分工方式：人类只做提问和确认，中间的分析工程工作由 Agent 协作完成。以「各区域客户留存情况」为例，问数 Agent 解析问题、建模 Agent 定义指标口径、可视化 Agent 生成看板，全程通过 CLI 串联为可审计的标准操作序列。

这种分工的关键在于口径由人定义、执行由 Agent 完成。指标口径是企业的业务共识，必须由人来定义和管理；Agent 负责在大规模、高频、重复的分析工程中稳定执行。这既不是让 AI 取代人，也不是让人做所有脏活，而是让双方各司其职。

4 从产品到生态：Agent 能力如何嵌入企业

一套 Agent 体系要真正进入企业，必须能够嵌入企业现有的技术栈，而不是要求企业推倒重来。衡石为此提供了多种集成路径：SDK 集成适合已有成熟前端、需要深度定制交互体验的企业；API 调用最灵活，适合将 AI 分析嵌入 Web、移动端、小程序等多端应用；iFrame 嵌入最快，适合快速验证与 POC 阶段；Copilot 模式则让使用完整衡石平台的企业在 SENSE 任意页面一键唤起 AI 协同。

在编排层面，衡石 AI Agent 兼容 Dify、Coze 等主流 Agent 平台：外部平台负责整体编排与对话管理，衡石 BI 引擎作为 Tool/Plugin 被调度，HENGSHI CLI 作为执行接口。这意味着企业可以复用已有的 Agent 平台投资，同时获得衡石在 BI 领域的专业能力。Agent 体系的开放程度，决定了它能否真正长在企业现有架构之上。

5 对企业 AI+BI 路线规划的启示

对企业而言，与其纠结于选哪家 ChatBI，不如先回答四个问题。

第一，Agent 能不能做全流程，而不只是问数这一个环节？单点问答容易复制，全流程能力才是差异。第二，有没有指标语义层？这是企业级准确度的基础，也是 AI 问数可信的前提。第三，集成方式是否灵活，能否适配现有技术架构？是否兼容已有的 Agent 平台投资（如 Dify、Coze），是否提供 API、SDK、iFrame 等多种接入方式。第四，安全权限体系是否健全？尤其是多租户和行级权限，以及 Agent 操作的审计与回滚能力。

6 结语

Agentic BI 从概念走向工程化的关键一步，是把 Agent 当作 BI 工程的新操作者来设计：让 Agent 做的事和人类做的事用同一套标准，只是接入方式不同。衡石的技术体系提供了一个完整的参考坐标。即使不选择衡石，理解其设计逻辑也有助于评估其他方案，并为自己的 AI+BI 路线建立判断框架。