企业 AI 应用的长期维护，不能依赖一个大 Prompt。
当业务发生变化时，可能同时涉及知识资料、输出格式、执行逻辑、模型选择和运营入口。如果所有内容都耦合在智能体节点中，任何一次修改都可能引发连锁回归。
更可维护的方式，是将 AI 应用拆成多个可治理对象，再通过智能体编排将它们组合起来。
一、案例复用说明
本文复用最近已验证的“企业模型路由与升级建议助手”。
它已完成：
智能体创建；
编排图保存；
非公开发布。
其编排为：
startNode
-> 模型路由规划与升级校验 agentNode
核心节点使用当前账号可见的 deepseek-v4-pro，原因是任务需要处理模型选择、质量、时延、数据边界和回退条件等多约束问题。
节点内部按三段逻辑运行：
Planner
识别业务应用、任务类型、质量要求、数据边界、可用模型和回退条件。
Generator
输出解耦清单、候选模型路由、测试集、灰度策略和管理员确认项。
Evaluator
检查是否将候选模型写成生产事实，是否遗漏知识库、工具、权限、监控和回退条件。
二、五类对象如何分层
知识库
知识库保存事实、制度、产品说明、业务规则和客户确认资料。
动态数据不应长期静态保存。订单、库存、工单、价格等实时信息应通过授权 MCP/API 获取，并保留数据时间和来源。
模板
模板保存稳定的业务输出结构。例如模型升级报告可以固定为：
当前基线
问题清单
候选方案
评测结果
灰度计划
回退条件
人工确认项
模板的价值是让不同客户、不同模型下的交付结果保持可比较。
Skills
Skills 适合承载可复用动作，例如评测表生成、文件格式转换、版本差异整理和报告导出。
它不应被用来隐藏未经审计的高风险写操作。
智能体
智能体负责任务识别、能力选择和流程编排。它不是知识库的替代品，也不是权限系统的替代品。
运营入口
运营入口负责承接用户、客户和交付伙伴的真实反馈，包括未命中问题、常见追问、资料更新和版本升级需求。
没有入口层，平台就无法形成“使用—反馈—更新—验证”的闭环。
三、平台化与私有化边界
Haoee 面向公网 B 端智能体创作者、垂类服务商和交付伙伴，适合客户项目交付、入口运营和服务沉淀。
对于需要数据不出域、模型中立、权限审计和复杂系统集成的机构客户，应建设私有化 AI 服务要素平台。其三层结构包括应用层、AI 服务要素层和可选算力资源层。
模型、智能体、数据与能力资产是三类核心服务要素。AI 工厂是创建、组合、测试和演进这些要素的工具集合，不是第四类核心要素。
最后
持续升级的 AI 应用，不是依靠一个越来越长的 Prompt，而是依靠清晰的资产边界和工程流程。
知识库更新事实，模板稳定交付，Skills 沉淀动作，智能体组织任务，运营入口推动反馈。只有这些对象能够被独立维护和重新组合，AI 应用才具备长期演进能力。
