这两年AI进厂，最常见的结局是停在演示阶段。屏幕上的智能很聪明，产线上的智能还在排队。
问题出在哪儿？单点的AI工具像散兵游勇，查代码走一套链路、查数据走另一套，用的人得凭感觉在五条线里来回横跳。效率没提上去，脑子先过载了。
精工智能数字化工厂的AI赋能团队，最近做了一件事：把散落的AI数字员工，整编成一支有职级、有专职、有管理者、有熔断机制的队伍。不是让AI出现在大屏上，而是让它真正站到岗位上。
查个东西要过五遍脑子，问题出在哪？
罗老师是写MES的普通开发，干活爱把AI往手边塞。知识库里养着九个数字员工：项目经理、开发、测试、数据……听着挺齐整，但问题出在“查东西”上。
查代码，走一套工具。查现成技能，走另一套。查网上资料、查知识库、查数据库，各成一条链路。五条线散在五个地方，用起来得凭感觉判断“这条信息该去哪条链路查”。
“有一次我寻思了半天没寻思明白，结果漏搜、错搜，在两条链路之间反复横跳，太离谱了。”
他拍板立项第十个数字员工：信息检索。只干一件事，把五条检索链路收成一个入口。一句话描述需求，它自己判断该走哪条，走对、走完、不重不漏。
立项时定了死标准：代码、技能、网络、知识库、数据五类信息，每类出一道题实测，外加一道跨类题，命中率不到100%不算完。“一个人扛不动的事，就得交给一个专门的。AI团队也一样。”
给AI员工定职级：从散兵到分层路由
很多人以为AI团队就是一群平级的工具，谁都能干啥。其实不是。
他给AI团队做了分层路由。主Agent叫JL，负责接活、分活、盯进度。底下的数字员工自己管自己的L0到L5——你可以理解成职级，或者“这活到我这级我自己判断，超过我级往上递”。
一个数字员工接到活，先在L0判断熟不熟悉、能不能直接给答案。熟就干，不熟往上递到L1、L2，一直递到L3这个阈值。过了阈值，转给更高级或更合适的角色。
这套东西的价值在Token账本上：五轮优化做完，总则Token砍了48.4%。
为什么能砍这么多？因为很多细则不是每个员工每次都要用。写代码的人才需要codegraph那套，查资料的人才需要检索那套。全塞在一份常驻文档里，等于“所有员工每天背全公司规章制度”，累且慢。“分层的本质，是该知道的知道，不该知道的不背。”
给AI团队做一次体检，缺什么补什么
JL这个主Agent之前是拍脑袋长的，会接活分活，但“会”不等于“专业”。罗文标找了个外部参照物——多智能体系统架构师的方法论，8大能力域当体检表，一项一项对。
结果扎心：3个域已覆盖，3个部分覆盖，2个完全空白——可观测性遥测和评测门禁。
翻译成人话：AI团队出了事，他基本是“事后诸葛亮”，没有一套东西实时看到哪个员工卡在哪、为什么卡；“干得好不好”也没有客观验收门槛，全凭肉眼盯。
体检完了就开药，补了三样：
第一，失败分类学。失败分成7类，每类怎么检测、怎么恢复，写清楚。
第二，熔断机制。CLOSED、OPEN、HALF-OPEN三态，失败率到3比5就触发，不让一个坏员工把整条链路拖死。
第三，子Agent契约模板。每个员工写清楚：接收什么、负责什么、不负责什么、产出什么、什么算成功、失败了怎么办。
“说到底，就是给团队上了制度。之前活是有人在干，但干砸了没人知道为什么，干好了也没人说得清功劳在哪。”
把散落的工具收进一个“前台”
除了组织设计，还有配套要收拢。这个月他搭了一个统一门户，JeeegBoot，单文件H2数据库，零外部依赖，双击就能跑。往里塞了四样：任务甘特图、时间管理、IIS发布工具、模型渠道。
模型渠道这块就是个模型网关。平时用Claude、DeepSeek、Recursive的40B Flint，全走这一个入口。切换模型不用改一堆配置，网关层统一管。
“之前甘特图一个网址、时间管理一个网址、IIS工具一个EXE、模型渠道一堆配置。现在一个入口，统一登录，统一菜单。就像公司有个前台，你不用记住每个部门在哪，进大门问前台。”
踩过的坑：别把AI团队想太美
这套东西不是一上来就丝滑的。
第一，路由会误判。活递下去有时会分给不太对的角色，所以得留口子：实际跑一轮，把误判收回来，再迭代每个员工的触发词和阈值。“L0到L5是改出来的，不是一次写对的。”
第二，高估了“统一”的好处。五条检索链路收成一个入口听起来很美，但每个链路都有自己的脾气。代码检索和数据库检索根本不是同一种东西，硬塞一个入口容易“通而不精”。所以信息检索员工的定位是“选对链路”，不是“什么都懂”。
第三，评测门禁还没完全立起来。失败分类学和熔断补了，但“干得好不好”的客观验收还在摸索。“这块我不敢说已经趟通了，就把它当成下一步的待办，摊在明面上。”
写到最后，罗老师发现一个更朴素的事：不是AI变强了，是他自己变强了。把“查资料”从脑子里记五条线变成一句话丢给一个员工；把“出了事怎么办”从事后诸葛亮变成有分类、有熔断、有契约；把“规则太旧不知道”变成母本一改、21处同步、0残留。
精工智能数字化工厂的AI赋能，做的不是让AI出现在大屏上，而是让数字员工真正站到岗位上——巡检、报工、辅助判断，该干活的地方有它干活。一个人带不动一支AI队伍，但一个人加上自己的组织能力，再加上AI的执行力，能。
