企业 Agent 落地，先过"三道门"
很多企业谈"上智能体"，真正落地时才发现卡在三个地方，我们称之为三道门：
- 数据门：业务数据散在 ERP、MES、邮件、PDF 里，模型读不到；
- 系统门：自动化要跨十几个异构系统操作，接口不全、权限不一；
- 责任门：出了错谁负责？流程不可审计、不可回溯，就不敢投产。
一个合格的企业级智能体自动化平台，本质上要同时解决这三件事。业界常把它抽象成"四层闭环"架构——感知、认知、决策、执行。
四层闭环架构
┌─────────────────────────────────────┐
感知层 │ iS-RPM 流程挖掘 + iS-CDA 桌面行为 │ "眼睛"：知道该自动化什么
└───────────────┬─────────────────────┘
│
认知层 │ DocAgent 文档智能处理 │ "大脑"：读得懂业务文档
└───────────────┬─────────────────────┘
│
决策层 │ Magical Automator 大模型编排 │ "中枢"：企业级可用的大模型能力
└───────────────┬─────────────────────┘
│
执行层 │ iS-RPA 三件套（设计器/机器人/控制台）│ "手脚"：跨系统稳定穿透
└─────────────────────────────────────┘
四层串起来，形成"业务理解 → 任务编排 → 流程执行 → 流程优化 → 安全合规"的完整智能闭环。
逐层拆解技术要点
感知层（眼睛）
- 流程挖掘（iS-RPM）像"X 光机"，分析系统事件日志，诊断、优化内部流程；
- 桌面行为分析（iS-CDA）记录操作行为，沉淀可复用的人工经验。
认知层（大脑）
- DocAgent 基于多模态大模型，把发票、合同、单据等非结构化文档转为结构化、可操作的数据。
决策层（中枢）
- 以自然语言驱动的自动化引擎，理解意图、拆解任务、动态生成并执行工作流，让大模型能力"企业级可用"。
执行层（手脚）
- RPA 三件套：设计器（业务流+数据流双流驱动、无边界画布）、机器人（有人/无人值守、高密度部署）、控制台（云原生、统一调度与安全隔离）。
云原生部署参考
```
控制面：ACK 部署平台微服务，弹性伸缩机器人实例
数据面：PolarDB 存流程元数据/审计日志，开启加密
计算面：函数计算 FC 承载事件触发型轻量任务
审计面：ActionTrail + RAM 实现操作审计与最小权限
网络面：专有网络 VPC 做租户隔离
平台本身采用云原生、微服务、多租户、容器化的 B/S 架构，机器人运行 CPU 占用约 1%，可支撑 10000+ 并发部署，适合大型集团"海量流程 + 多分支"的运营。
如何过"责任门"：可信、可控、可审计
企业级 AI 的终极形态，是被总结为"可信 · 可控 · 可审计的数字员工"：
- 可信：敏感信息（验证码、密码）集中合规管理，不散落；
- 可控：控制台统一调度、监控、权限分级，支持定时/事件/邮件多种触发；
- 可审计：全流程日志留存，支持多角度流程回溯（如自有录屏加密格式 + 四联播放）。
小结
选型企业智能体平台，不要只问"模型强不强"，更要问"四层齐不齐、三门关不关得住"。感知解决看见问题，认知解决读懂文档，决策解决编排，执行解决落地——四层闭环。
