AI+生态合作交流会|算力之后, JARVIS让企业AI进入工作协同

10月10日，西安移动二十楼第二会议室，一场 “AI+生态合作交流会”围绕“算力筑基·业态交流·智能落地·共赢未来”展开。

衡石科技创始人&CEO 刘诚忠带来的分享是《组织级 AI 如何重塑团队协作》。他从衡石自身的研发实践出发，讨论 AI 承担任务之后，团队如何调整工作流程、审核机制与管理方式。HENGSHI JARVIS，是这场组织实验中的数字员工。

工程师使用编程智能体，已经能够更快地生成代码、定位错误和补充测试。但一项研发任务从提出到上线，仍然要经过需求确认、评审、测试、发布等环节。这些环节之间，团队要交换信息、确认责任、等待反馈。个人节省下来的时间，可能继续消耗在交接和等待里。刘诚忠在分享中提出：“工作的损耗在流程里。”

衡石因此把 JARVIS 放进了研发协作的主路径。它接收任务，读取项目知识，执行修复或开发，提交结果，并参与后续验证与评审。团队需要看到它处理到了哪一步、遇到了什么问题，以及最终交付了什么。

当 AI 能够沿着流程推进工作，工程师才有机会减少反复追问进度、整理上下文和协调交接的时间。

刘诚忠将 JARVIS 描述为“具备主体性的智能体”：拥有独立身份，能够自主执行任务，工作过程可观测，并以完成任务为目标。要做到这些，企业需要提供模型之外的条件。

首先是组织记忆。数字员工需要了解项目历史、技术约束和已有决策，知道团队为何采用当前方案。衡石的实践以索引和文件系统组织知识，让智能体按任务需要读取相关内容。

其次是工作规则。团队通过 Skill 和 Workflow，把处理方法、质量要求与协作顺序写清楚，让 AI 沿着已有的 GitLab、飞书、邮件等工作入口参与任务。

需要持续迭代。团队在真实执行中发现遗漏，补充知识与规则，再验证下一次任务能否处理得更好。

这条路径可概括为四步：构建记忆、训练 Skill、建立闭环 Workflow、建立迭代机制。企业需要投入时间梳理自己的工作方法，才能让数字员工理解任务并承担责任。

对于 Bug 修复、测试和常规功能增强，AI 已经能够承担较多执行工作。大型模块设计、架构取舍与原创性设计，仍需要人类在场。团队要先确定目标、约束和验收标准，再让 AI 推进实现。

当数字员工能够持续跟进任务，团队就可以重新安排人的时间。

过去，工程师需要在不同系统之间整理信息，提醒同事处理任务，通过会议同步进度。JARVIS 参与这些流程后，团队可以把一部分协调工作交给智能体，并通过过程记录和交付结果检查执行情况。

刘诚忠将这种协作方式概括为“前置规约，事后确认”：提前明确任务边界和质量标准，在关键环节保留人的判断，完成后依据证据验收。这样，管理者就能减少逐项催办，把精力放在需求梳理、设计决策和协作问题上。团队评价 AI 时，也会更关注它对整体协作的贡献，既看完成了多少任务，也看是否减少了等待，让后续工作衔接得更顺畅。

这样的调整需要从具体工作开始。刘诚忠提出建立“特区”的落地方法：选择一个边界清楚的场景，筛选参与成员，明确任务入口与验收方式，再由 FDE 陪跑，梳理知识、工具和流程。

JARVIS 的首轮落地周期是2至4周。团队需要在真实任务中发现问题：智能体缺少哪些知识，哪些操作需要确认，哪个环节仍然依赖人工交接。

HENGSHI AI Camp 承担了这部分实践，2.0版本已在十多个合作伙伴中得到验证，重点是帮助伙伴建立可运行的流程样本，再逐步扩大使用范围。它的价值在于让企业看清人和 AI 如何分工，以及这套分工需要哪些条件才能持续运转。

在此次中国移动陕西分公司的会议交流中，刘诚忠带来的研发实践，为“智能落地”提供了一个组织层面的观察角度。

衡石科技也希望与中国移动及生态伙伴探索的合作方向：智算资源、Token Plan 在智能分析场景中的适配、私域模型部署、行业解决方案及联合市场拓展。

这些方向连接着衡石已有的数据智能业务。HENGSHI SENSE 为企业提供数据集成、指标建模、可视化分析与智能问数能力；JARVIS 则进一步探索 AI 如何使用组织知识和工作规则，进入持续运行的业务流程。

刘诚忠的分享把讨论落到了企业团队内部，衡石接下来要做的，是把这些经验放进更多企业的真实任务中，让客户能够检查结果、修正流程，并逐步形成适合自己的协作方式。