企业里那套跑了多年的业务体系，不该因为 AI 被推倒重建——不论它来自哪个厂商、属于哪个行业。AI 接进来的是这套体系本身，而不是把它换掉；所以第一步不是重建，而是把能力整理成可被调用的样子。
线上商城、门店与渠道终端的订单承接与交易处理
商品与物料主数据、价格体系、库存与调拨
订单归集、分仓、发货与物流执行
渠道账单、费用核销与财务凭证
经营数据沉淀、分析口径与决策支撑
客户、商品、订单、库存等核心对象与主数据，是智能体认识业务的起点。
单据规则、审批流程与业务约束，让智能体知道什么能做、做到哪一步。
接口、消息与集成通道，把不同系统的能力整理成可被调用的样子。
账号、组织、数据范围与操作留痕，让每一次调用都在授权边界内可回溯。
如果这个判断成立，业务系统要提供的就不只是「多一个 AI 功能」，而是让商品、订单、库存、规则与操作能力都能被智能体发现、调用、组合，并在授权边界内被回读与核对。
企业业务系统+嵌入式AI智能体+工作台AI智能体+Agentic Coding 开发方法论
Embedded Agent
面向客户、经销商及一线业务人员
ERP · CRM · OMS · WMS · 商城
营销 · 订单 · 商品 · 库存 · 财务
稳定业务能力与行业 Know-How
AI 能力围绕业务系统生长，并反哺产品演进
Workspace Agent
面向运营、销售、供应链及 IT 岗位
围绕业务系统持续开发与交付
从内嵌助手、MCP 开放，到工作台智能体跨系统作业与 Agentic Coding——四步都来自实践验证，可逐段交付。
从商城的智能导购、订货端的政策问答、运营后台的日常助手，到用于构建各类助手的智能体平台，让系统理解页面、身份与业务上下文，并向用户提供连续服务。
内嵌助手提升的是单一系统内的操作效率；要让通用智能体完成更深入的系统级任务，商品、订单、库存、规则、权限与操作能力还需要通过 MCP 开放，也不绑定某一个智能体软件。
智能体通过 MCP 调用、操控并回写业务系统能力，组织经营分析、日常作业、商品初始化和非标准单据接单等任务，并随 Skill、工具与业务规则的积累持续覆盖更多场景。
机制自动整理需求、定位相关代码、拆出开发工作、生成改动草稿、运行检查并准备交付材料；人只在需求确认、技术审核与发布确认这些关口作判断。
贴近具体页面与用户身份
围绕跨系统任务协同推进
把业务系统里的高频操作封装成可被智能体调用的 Skill：既能被工作台智能体跨系统调用，也能被嵌入式智能体在页面内直接驱动。
大量高频业务操作已被封装为可被智能体直接调用的 Skill 技能，覆盖商品、订单、发货、售后、库存、营销、会员、客户、采购、财务、权限、接入与审计等日常运营环节；涉及写入的动作都要先说明影响、经人批准、再回读核对。AI 不是一个「对话玩具」，而是一个可被编排、被授权、被审计的业务执行者。
不是「让 AI 直接改生产代码」，而是一套由人授权、AI 主导的迭代闭环。过去每改一次业务系统都要立项、招标、开发、测试、上线，链路长、环节重；现在 AI 承接大量重活，人类只做授权与评审。
业务部门提出新场景（如经销商新的对账流程）
智能体根据 Skill 协议理解现有系统能力，给出改造方案与代码改动
研发测试通过人工评审把关，人类掌控关键决策
新能力沉淀为新的 Skill，反过来增强两个智能体
不绑定特定系统底座——商派系统、第三方系统与自建系统都能按标准协议接入。从场景梳理、系统接入，到权限边界与持续沉淀，四步即可交付。
按岗位与业务链路排出第一批要办的事，先选一两条高频流程做首版，而不是一次铺开。
不替换现有系统，按 MCP 标准把商派、第三方与自建系统的能力都登记成可被调用的工具。
继承业务系统原有账号、组织与数据权限，关键操作需授权确认，责任边界清晰。
新场景经 Agentic Coding 验证后沉淀为新的 Skill，回到技能库被两侧智能体复用，能力持续生长。
把业务系统放回企业整体 IT 环境，从客户的业务、数据与规则出发，逐步拓展 AI 可以服务的系统和工作流程。
系统之间，仍有大量需要人来衔接的工作。搬运数据、核对差异、解释政策、追踪异常、重复录入和整理材料，成为商派拓展 AI 服务的切入点。
这家大型商超供应链企业持续参与食品、服务与供应链项目投标。标书员要从分散的标讯网站筛选项目、追踪截止时间，下载长篇文件后逐页拆出资格、技术、商务、评分与废标要求；再到 OA、ERP、历史标书与证照库中翻找材料，按每一条要求撰写、补齐、核对。临近截标，多人仍要在不同版本之间反复改稿、查重、检查废标风险、核验页码与附件——任何一处遗漏或错版，都可能让前面的投入付诸东流。
这家卫浴品牌的经销订货连接经销商、订单中心、供应链与销售管理多条链路，全国订货会期间，咨询、下单、提货、业绩与预定金问题集中涌入订单团队。一张订单出问题，订单人员要先在群里接住提问，再切换订单、OMS、SAP 与目标表拼数据、核口径；同一个问题换个说法又要重新解释，超期未提、预定金不足往往事后才发现，订单诊断报告还依赖老员工手工整理 Excel。
这家食品品牌一端向超市与大型商超供货，另一端把渠道需求转成给代工厂的生产性订单。财务要同时对应上游平台的销售账单、扣费与回款，以及下游代工厂的采购订单、生产货品与成本，再回到内部系统与金蝶完成收入、费用、应付与凭证；各平台的账单格式、货号、价格、扣费名目与结算周期都不同，团队只能反复下载、录入、匹配、逐笔找差异。
这家国际咖啡品牌在中国同时运营电话、在线会话、邮件与工单等客服链路，但记录分散在既有系统里：客服接手一个客户前要重新翻找历史记录、承诺与订单上下文；管理者只能在投诉发生后回溯，很难及时看见重复问题、承诺遗漏与风险趋势。总部已有的 contact analytics 受 PIPL 限制难以直接照搬到中国区，既要补上这段工作，也要守住数据留存、脱敏与人工确认的边界。
以业务积累为基础，以客户需要拓展能力。经典产品持续发展，自有系统不断获得 AI 赋能，面向其他系统和岗位工作的服务也在逐步拓展。
