一、自动化的瓶颈从来不是"引擎"，是"谁来做"
企业不缺能跑的机器人引擎，缺的是"会做流程的人"。传统自动化项目里，业务人员提需求、IT 写脚本，中间来回沟通成本极高。我们想做的，是让业务人员自己把流程造出来。
二、两种构建方式
我们落地的智能体中枢提供两种路径：
- 零代码自主式：用户用自然语言描述"我要做什么"，系统辅助生成智能体，自主调用企业定义的工具与数据，解决复杂任务；
- 低代码工作流式：可视化拖拽，主流大模型即连即用，把知识检索、意图识别、流程调用串成一条流。
在某客户自测中，同样的流程开发，对话式生成的效率比传统方式快约 3 倍，综合成本约为原来的 1/10。但这是"辅助生成"，不是"全自动上线"——生成的流程必须经过验证才进生产。
三、自适应执行是关键
低代码工作流智能体的"自适应执行"能力尤其关键。真实企业的系统频繁改版、界面常变，写死的脚本一改版就废。自适应执行能灵活应对界面变化与业务异常，自动调整执行路径，保障流程在复杂场景里稳定运行。对制造业、金融、物流这类环境，自适应是平台能"活下来"的前提。我们曾遇到客户 ERP 一次大版本升级后，传统脚本大面积失效，而具备自适应执行的工作流智能体仅调整了少量锚点即恢复——这正是自适应对"系统常变"环境的价值。模型"自信地犯错"往往发生在边界条件，比如字段缺失或界面异常，验证执行引擎会把这些异常拦下来交人工，而不是硬跑。
四、边界：人机共创，不是替身
我们把大模型定位成"流程自动化 AI 编排助手"——人提目标，它拆解步骤、推荐组件、生成初稿，最终由人确认上线。
我们踩过的坑：早期让模型直接做端到端执行，简单任务惊艳、复杂任务"自信地犯错"。改成"模型编排 + 经过验证的执行引擎兜底"后，既保住灵活性，又守住了准确率。复杂、合规要求高的流程，永远保留人工确认这一环。
五、让业务用得上的配套
光有对话式开发还不够，要让业务真正用起来，还得配三件事：
- 开箱即用应用：把常见场景（报销、对账、入职）预置成模板，业务人员改参数即用；
- 卓越中心（CoE）：统一治理脚本质量、权限与发布，避免"人人都造、无人管控"；
- 自助与管控平衡：业务能自助搭建，但发布要过治理闸门，关键流程留人工确认。不少团队担心业务自助会失控，实践里靠"发布闸门 + 人工确认关键流程"就平衡了敏捷与风险，CoE 只管标准与审计，不挡业务创新，也不放任一键上线。
六、小结
对话式开发把自动化的"生产能力"从 IT 下放到了业务。但它不是让模型裸奔，而是用"模型编排 + 验证执行 + 人工确认"三层兜底——业务人员跑得再快，准确率这道闸也不能松。
