灵快科技发布 Botnow 3.0：面向结果交付的企业级智能体平台

Botnow 3.0 企业级 AI 智能体平台

当前企业级智能体赛道正迎来范式切换：伴随 DeepSeek Harness 等开源 Harness 生态兴起，行业逐步形成「Agent = 模型 + Harness」的共识，MCP 协议持续收敛，行业重心已经从对话问答，转向任务编排、沙箱运行、工具调用与成果交付的完整执行链路。

但落到企业真实业务落地，依然绕不开一个核心拷问：现阶段 AI 究竟可以为业务创造多少实际价值？现实却陷入普遍的尴尬困境。以数据分析场景为例，不论是撰写方案、开展研判还是调研资料，AI 都可以输出流畅完整的文本内容。可文本输出不等于任务闭环：导出原始数据、绘制业务图表、校准排版格式等实操工作，依旧全部依赖人工二次加工，大量人力消耗在 AI 输出之后。

于是行业开始重新思考：如果 AI 不再仅仅局限于回答问题，而是自主完成全流程任务、直接交付可直接复用的业务成果，会带来怎样的改变？不再只是输出一份报告大纲，而是产出一套附带原始数据、可视化图表，可直接流转对外的完整分析报告。

灵快科技旗下企业级智能体平台 Botnow 正是瞄准这一行业痛点打造，Botnow 3.0 现已正式发布！

如果说上一代 Botnow 解决的是「答」：企业导入私有业务资产，实现 AI 一问一答知识查询；或是通过可视化工作流编排，完成确定性业务的稳定执行。那么 Botnow 3.0 实现的，则是真正意义上的「做」：业务人员只需要输入业务目标、上传业务材料，智能体即可自主拆解任务步骤、调度各类工具、读写处理业务文件，完成全部作业之后直接交付完整业务成果。

从 "会答" 到 "会做"，升级前后的区别一目了然：

维度	3.0 之前	3.0 之后
任务怎么开始	提问，或跑已有流程	描述目标、交材料，Agent 自己拆步骤
步骤从哪来	通过工作流节点进行编排	Agent 按中间结果决定下一步，也能调用已有流程
谁在执行	模型在对话里调工具	Agent 在独立沙箱里读写文件、跑脚本、开子 Agent
卡住了怎么办	需要重新发起对话	它主动问；人也能中途插话、拦下高危操作
方法怎么沉淀	写在提示词里	打包成技能，装上就按这套方法做事
系统怎么接	通过插件接入外部系统	MCP 接入外部系统，按调用者身份鉴权
产物去哪了	仅支持生成文本	落云盘，分类检索、分享、下一轮直接引用
重复的工作	每次手动发起	定时任务：周期、一次性、结束时间

Botnow 让任务形成交付闭环

Botnow 3.0 都有哪些核心能力？

能力	描述
智能体编排与自主执行 Agent	按业务需要定制专属场景 Agent，把目标、材料交进去，Agent 自己拆步骤、选工具、读写文件、完成任务并交付成果，步骤不再需要人提前画出来。
Skill（技能）	将专业方法、操作步骤、参考材料和模板打包成技能，让不同智能体复用同一套工作方法；支持发布、版本管理和授权使用。
MCP 连接器与插件	接入企业已有的业务系统和工具，让智能体在授权范围内查询信息、调用业务能力，将任务推进到实际操作环节。
Runtime 独立运行环境	为 Agent 提供文件处理、计算和工具执行的空间，保留执行过程中的文件与中间结果；不同用户的运行环境相互隔离。
人机协同	任务执行中，用户可以补充要求、调整方向；需要确认的信息或操作，由智能体按任务配置向用户询问、请求批准后继续推进。
云盘	统一存放上传的材料和任务产物，支持预览、下载和分享。已有文件可以在后续任务中继续引用，减少重复整理和上传。
定时任务	把需要重复执行的工作设为一次性或周期任务，按计划发起执行，并查看运行记录与结果，让验证过的工作方式持续复用。
企业知识库	将企业文档和业务资料整理为可检索的知识，让智能体依据企业自己的资料回答问题，并在任务中查找、引用所需信息。
可视化工作流	把步骤明确的业务流程编排成可复用的工作流，串联判断、分支和工具调用；调试完成后，也能交给智能体调用。
模型接入与私有化部署	按业务需要配置模型服务，并支持在企业自有环境部署，将智能体、知识、工具和管理能力纳入企业自身的使用与运维体系。

Botnow 3.0 定位是什么？

Botnow 3.0 是企业级 AI 智能体工作平台。

它把能干活儿的 AI 员工装进企业自己的办公环境里。这个「员工」有身份、有权限、有工具、有记忆，干过的事也留得下痕迹。

和上一代比，主要有三个变化发生：

变化	从	到
交付形态	回答问题	交付成果。文档、报表、代码、数据文件，拿到手能直接用，不用再加工一遍
组织形态	单点工具	协同平台。统一入口、统一知识、统一权限，全员能用，开发能扩，IT 能管
管控形态	不敢放开	敢于托付。细粒度授权、沙箱隔离、人工审批、全链路审计，四样凑齐，业务才敢把真事交出去

这次升级带来了哪些变化？

先看 Botnow 3.0 整体架构：

Botnow 企业级智能体平台架构

从底层基础设施到顶层业务场景，六层架构环环相扣，覆盖 Agent 从规划、执行到交付的全链路；同时治理与安全体系贯穿始终，让自主能力跑得动，更跑得稳、跑得合规。

同时，Bonow 3.0 满足不同用户视角的闭环应用：

Botnow 企业级支持智能体工作流、Cowork、知识库 SKILL、运维管理等多种能力

Agent：根据目标组织执行，交付可检查的成果

在通用的智能体平台中，业务人员想要做一个场景 Agent，需要先使用工作流预先确定步骤与分支，流程稳定的场景里这没问题，可很多工作本来就不稳定，并且每个用户都有自己个性化的问题，要做多少步、如何完成这项任务，得接收到用户的需求才知道。

Botnow 3.0 的自主 Agent 会根据目标、输入材料和执行结果，判断需要开展哪些处理。企业因此可以将研究、分析、材料整理等步骤不完全固定的工作纳入平台。

先看一次真实的执行：1 分 49 秒，7 步

我们需要 Agent 帮我们做一个电商用户画像分析。一句话的需求，1 分 49 秒跑完，三个子 Agent 并行推进，产出 22 张交互式图表。

1 分 49 秒	3 个	7 步	22 张
一次完整分析任务的耗时	并行推进的子 Agent	自己拆出的执行步骤	生成的交互式图表

Botnow 多智能体协作，让复杂任务交付看得见，可追溯

七个步骤是 Agent 自己拆的：取数、数据体检、定口径、算统计量、出图、合成报告、校验交付。中间用了 Spearman 相关、卡方、Mann-Whitney U 这些方法，最后一步是打开无头浏览器，逐张确认 22 张图有没有真的渲染出来。这一步人工做起来太笨，通常会被省掉，但少一张，报告就是错的。

更能说明问题的是复核。子 Agent 在结论里写：购买频次与平均订单金额的相关系数是 -0.777，需修正。理由是这个相关系数没有解释意义，总支出本来就等于购买频次乘以平均订单金额，两个指标是乘法关系。

它没有把一个看起来很漂亮的强相关当成结论交上去。

这类任务以前换来的是几百字，整理、作图、成文还得人自己做。现在交回来的是能复现的执行链路、能直接打开的文件，以及一句"这里还不成立"。

执行跑偏了，人怎么接手？

"它跑飞了怎么办"，是客户问得最多的一句话。Botnow 3.0 的做法是在执行过程中支持人工介入点，不用等人事后发现。

介入方式	什么时候用	会发生什么
提问	Agent 发现关键信息缺失	它停下来问，答完继续，不用推倒重来
插话	方向偏了，或者想加个维度	当轮补一句，它带着这句话往下跑
审批	碰到高危操作	按配置拦下，人点通过或拒绝

插话是最容易被忽略的一个。方案跑到一半发现少了个维度，以前只能等它跑完再来一遍；现在说一句"加上交付周期"，它就在后续步骤里改。

Botnow Human In The Loop 机制，关键节点，人始终掌握主动权

Skill（技能）：把业务方法发布为技能，团队按版本复用

技能不是提示词模板，它是一整个包。同样是评审材料，企业关注的项目、判断口径和交付格式可能不同。Skills 用于承载这些专业要求：处理步骤、检查规则、参考文件、脚本和模板，都可以组成技能包，配置给 Agent。

装到 Agent 身上，它就照这套方法做事，不用每次在对话里反复交代。

Botnow 统一维护技能，让专业能力按需服用

举两个具体的。公文排版这个技能，要求按 GB/T 9704-2012 把 Markdown、TXT、DOCX 转成符合国标的公文；合同审查这个技能，要求逐条指出问题、输出 HTML 和 PDF 两份报告，并且不改原文。省事的地方在这儿。一个团队花两周摸出来的做法，别的团队装上就能用，不用重新摸一遍。公司里谁最懂这个业务，就把那套处理逻辑写进技能里。

Botnow 内置多种 SKILL 技能、Agent 模版等

MCP：接入企业自己的业务工具

MCP 是连接外部系统的通道。飞书、企业微信、OA、CRM 等这些系统接进来，Agent 就能自己去查工单、读文档、查询内部业务系统数据。例如，接入工单与告警服务后，Agent 可以获取明细、按照任务要求汇总问题，并形成统计与分析文件，减少人员逐个页面查询、复制的步骤。

Botnow MCP：接入企业自己的业务工具

另外一件事是身份透传。Agent 调工具时带的是使用者本人的身份权限，Agent 能否看这张工单，由用户本身的权限决定。

Runtime：为 Agent 提供能够实际开展工作的环境

Botnow 3.0 给每个用户配备了一个独立沙箱，沙箱内提供完整的运行时和浏览器环境，Agent 可以在其中读取资料、编写和运行处理脚本、计算数据、生成图表，并根据配置使用浏览器与相关工具。一次任务中的文件和中间结果，可以继续用于后续处理。这样的好处在于：

每个用户拥有独立沙箱，确保数据隐私与数据安全
用户之间硬隔离，能够留存用户自己的资产，如文件、产物等
Agent 能够记住用户的喜好、身份等画像，越用越聪明
沙箱按需启动，闲置一段时间自动休眠，夜里没人用不占资源
同一个用户的多个 Agent 复用一个沙箱，目录和记忆各自隔离

Botnow Agent Runtime：为 Agent 提供能够实际开展工作的环境

云盘与任务成果：保存输入、留存产物

文件交付之后，还需要能够找到、检查并交给后续任务使用。Botnow 3.0 上线的云盘，无论是用户自己上传的文件，还是 Agent 生成的产物，均会存进云盘，统一管理，下一轮对话里可以直接引用，不用重新上传，用户也可在平台中进行文件预览和下载，或者将文件共享给其他用户。

Botnow 云盘与任务成果：保存输入、留存产物

定时任务：明确要求后，按计划自动发起

Botnow 3.0 支持设置定时任务，需要 Agent 自己触发的任务，可以挂到日程上按需周期执行，等待 Agent 自主执行以及生成最终产物，彻底解放双手。

Botnow 定时任务：明确要求后，按计划自动发起

Agent 安全与可观测

自主 Agent 进企业，最先被问的不是能力，是责任。

Botnow 3.0 权限可细粒度到工具，除了平台、空间、项目三层作用域外，更是支持实例级覆盖，管到单个资源的单个动作。用户在使用 Agent 时，会严格按照用户本身的权限范围，执行范围内的操作。同时支持 Agent 安全配置，如：敏感词库、命令白名单、访问限制等安全围栏。

除此之外，Botnow 3.0 还支持 Agent 可观测。可观测不只是「给用户看进度」，它同时服务于调试、审计、成本管理与效果优化。Agent 思考过程、计划清单、工具调用、文件变更、子 Agent 委派等全部事件实时渲染，每次工具调用的入参、返回、耗时与错误都可展开。定位问题不靠猜，直接观测是哪一步、什么原因。