模型层
提供基础智能能力:模型接入、算力调度、词元供给。已有底座,不是差异点。
已商品化
WorkHand 是智能组织的运行层操作系统——不是又一个聊天框,也不止是智能体搭建平台。
它给企业装配有岗位、有技能、有知识的 AI 员工:质量工程师会写 8D,
工艺工程师会做 PFMEA,设备工程师会画故障树,计划员会排 APS;
再把人机协同、任务留痕、知识进化与价值核算,做成可运行、可核验、可继承的组织能力。
注册即生成企业画像,不推销,先给结论。
演示数据。本页展开的工单、指标与产出物均为演示基线值,用于说明 AI 员工的处理链路;真实数据需接入你企业的 MES / QMS / ERP 后生成。
企业 AI 体系分三层。模型层与执行层正在快速商品化,真正决定 AI 能否进产线、能否被审计的,是中间这一层「运行」。
提供基础智能能力:模型接入、算力调度、词元供给。已有底座,不是差异点。
已商品化完成单点自动化任务:AI 岗位、数字专家、技能调用。行业纵深强,但只解决"一件事"。
已具备目标拆解、角色协同、状态流转、结果核验、成果继承——把智能变成组织可运行的日常。
WorkHand 主战场可直接采用的定位:WorkHand 不是「智能体搭建平台」,而是智能组织的运行层操作系统——把人与智能体的协同、状态、成果与价值,变成可运行、可核验、可继承的组织能力。它同时是企业的AI 开发底座与自生长平台:客户可以在其上、按自身业务,自行搭建自己的 AI 工作台与 AI Agent——用得越久,越贴合这家企业自己的需求。无论软件开发商、制造业企业还是科技企业,都能在系统上自我迭代与升级,打造属于自己的企业 AI 系统。
又一个智能体搭建平台、又一个聊天框,或一次性交付的项目。
智能组织的运行层操作系统——把人与智能体的协同、状态、成果与价值,变成可运行、可核验、可继承的组织能力。
谁都能在它上面,长出自己的 AI 系统——
V3.5 的七大模块(运营中心 / 生命周期 / 知识进化 / 任务中心 / FDE 交付 / Playbook / ROI)几乎全部落在运行层——这正是平台当前已建成的部分。
官网展示的工单与指标是演示基线值。要真正进产线,必须先把真实系统的数据接进来。数据穿透 Agent 做两件事:穿透传统业务系统,并充当 AI 原生业务系统的底座。平台主张:数据治理、数据模型、知识治理、知识模型,全部 AI 化。统一口径后的业务数据指标进一步驱动场景——指标变化即推荐 / 触发对应场景(先上哪个岗位、先改哪条流程、先处理哪张工单),而不是靠人预设。
不替换现有系统,只做穿透:读得进、写得出、留得住。把 MES / QMS / ERP / WMS / PLM 的数据接进来,按业务语义对齐,而不是堆一张宽表。
面向 AI 原生的业务系统,数据穿透 Agent 直接充当数据底座:统一主体、指标与知识口径,供数字员工与 Agent 实时调用。
客户、物料、工序、组织等业务对象与关系,建成统一语义层——AI 员工理解「业务」,而不是「表结构」。
指标定义、计算口径、血缘与可复算。由 AI 辅助识别指标口径与数据血缘,每个结论都能回溯到来源数据。
主体一致、口径一致、权限与质量规则。由 AI 自动查重、异常检测与口径冲突发现,而不是靠人工台账。
把文档、对话与项目经验建成可检索、可推理的知识模型(实体 / 关系 / 规则),让每次结论都带上依据。
知识的审核、版本、时效与冲突处理,由 AI 辅助完成——对应知识进化系统:知识随任务持续生长。
在数据与知识模型之上创建数字员工:挂技能、绑数据源、配权限,即可在真实数据上运行与验收。
数据从进来到归档,每一环都管:采集 → 清洗 → 建模 → 血缘 → 治理 → 质量 → 归档。字段级血缘让每个指标都能追到来源;清洗与质量规则保证「同一件事只有一种算法」。
不推翻现有系统。以企业真实使用为起点,对接主流业务系统,并吸纳主流业务系统厂商「在存量系统上做 AI 转型」的经验与方法论——数据贯通、流程不改、渐进增强——内化到我们的数据底座与运行层。
把流程、工序、检验与经验,转成可计算的数据与模型——业务过程被记录、被结构化。
把数据与模型变成数字员工、结论与决策,回写业务系统——数据重新产生业务价值。
为什么必须有:业务建模、数据建模、数据治理、知识模型、知识治理、数字员工创建六项齐备,且数据治理、数据模型、知识治理、知识模型全部 AI 化,AI 才能真正跑在真实业务上——否则再好的推理也只能停在演示台。数据穿透 Agent 是这一切共同的入口与底座。
V3.5 从「企业 AI 能力建设」升级为「持续运营」:装配 → 运行 → 沉淀 → 交付 → 核算价值,每个模块都指向具体产出物,且全部跑在数据底座(真实业务数据)之上。七个模块合起来,就是智能组织的运行闭环。
企业 AI 运营驾驶舱、Agent 运行监控、AI 使用统计与价值分析。运营者一眼看清谁在干活、干得怎么样、值多少钱。
创建、版本管理、状态管理、能力评分。每个 Agent 有完整履历:谁建的、跑过什么、成功率多少、什么时候该下线。
文档知识沉淀、对话知识提取、项目经验沉淀、知识审核与更新。知识不是一次性上传,是随任务持续长出来的。
任务创建、执行、反馈、价值评价。每一条任务都留下结果与反馈,形成可复盘、可追责的数据链。
客户管理、AI 诊断管理、项目管理、部署管理、验收管理。六阶段项目制,进度随交付物勾选自动重算。
行业模板管理、Agent 模板管理、方案复制。把一个行业跑通的成功配置,一键复制到下一个客户。
投入管理、效益统计、ROI 分析报告。把 AI 员工的产出折算成钱——停机少了多少小时、返工降了几个点、交付快了多少天。这是采购决策真正要看的那一页。
下面四位是制造业最常用的:它们不是通用问答机器人,各自的推理框架就是制造业已经在用的那一套,输出物直接进你的质量体系。但远不止四位——平台现有 20 个部门 · 48 个数字员工(含人力 / 财务 / 法务 / 供应链 / IT-数字化 / 数据智能 / 投融资 / 能源 / 安全环保等),在智能组织里都可被按任务编队、协同执行。
客诉、不良、偏差。先围堵再溯源,最后闭环到文件。
参数窗口、失效预防、试产验证。
停机、故障、维护策略。
插单、齐套、产能。
FDE Agent(交付工程师 · 规划中):把 FDE 的重复性交付工作交给 AI Agent——客户诊断、方案设计、岗位装配、驻场陪跑、验收清单;人只在高风险判断与最终责任上把关。与「FDE 交付工作台」配套,让 FDE 的前期作用先跑起来。
指标看板当前为演示基线值,接入 MES / QMS 后自动替换为真实数据源。
AI 员工不是硬编码出来的,而是由四类可装配件拼装而成:技能决定「会做什么」,插件扩展「还能做什么」,连接器决定「能跟哪些系统说话」,专家把它们打包成可复制的领域智能体。四者都在系统内统一登记、版本化与授权。这是智能组织能够自生长、并可被客户自行搭建的基础。
8D、SPC、PFMEA、FTA、APS 等作业方法。技能库可装配、可复制、可版本化——岗位能力由技能组合而成(V3.5 内置 19 项)。
给 Agent 加装的能力模块:报表导出、消息通知、审批流、外部工具调用。按需挂载,不侵入主流程,可独立升级与下线。
连接外部业务系统的通道:MES / QMS / ERP / WMS / PLM。它是数据穿透 Agent 的接线端子,做到读得进、写得出、留得住。
把技能、插件与连接器打包成可复制的领域专家(质量 / 工艺 / 设备 / 计划),一键装配进岗位——专家资产可跨客户复用。
让一线把自己的经验变成技能,但不能失控。从提交到入库、再到被复用,每一步都有门槛与留痕。
AI 组织最难的不是多几个岗位,而是让能力按任务流动、让经验沉淀成组织资产、让流程能自我优化。
每个岗位是一组可复制的配置:技能包 + 知识资产 + 授权模板 + 评测集。客户易懂,行业方案能一键复制,上岗准入有载体。
按任务从多个岗位抽取能力,组成 临时混合编队(人 + 智能体);任务完成即解散,成功链路回沉为组织可复用的 Skill。
把「用 AI 重塑企业流程」落到可运行的四件事上:机制持续运营、场景由数据指标驱动、人在环并把能力反哺给人、制造业 know-how 形成闭环。
把协同、状态、成果、价值机制化:目标拆解 → 按任务编队 → 状态流转 → 结果核验 → 成果继承;用指标与留痕驱动下一轮(Loop 闭环)。运营者一眼看清谁在干活、干得怎么样、值多少钱。
质量 / 工艺 / 设备 / 生产 / 供应链 / 能源 / 安全等制造场景即作战单元;场景由业务数据指标驱动——指标变化触发 / 推荐先改哪条流程、先上哪个岗位,而不是靠人预设。每个场景可度量、可复盘。
AI 员工是副驾:关键判断与最终责任仍在人(human-in-the-loop)。AI 的产出与依据反哺给人,配合岗位培训与评测(准入 / 在岗),让人的能力随任务成长——是人机协同,不是替代。
老专家的隐性经验 → AI 对话 / 文档沉淀为知识 → 结构化(知识模型 / Playbook)→ 新任务中复用 → 复盘进化。形成「沉淀 → 结构化 → 复用 → 进化」的闭环,并可复制到下一个工厂 / 客户。
岗位不是写死的模板:AI 员工在运行中复盘、评测、沉淀,能力画像与岗位定义持续演化——从「预设岗位」逐步长成「按需能力画像」。平台因此是自生长的:越用越厚,越用越贴合企业自己的需求。
目标进来 → 拆成任务 → 按任务组建 Agent 集群(人 + 多岗位智能体)并行协同、状态互见 → 任务完成即解散,链路回沉为 Skill。
从「围着岗位转」转向「围着任务转」:能力可跨岗位复用,任务不再绑定单一岗位。岗位不被删除,而是升级为能力包模板。
把每次任务的成功执行链路编译为可复用 Skill,经审核进入技能库;让组织经验不随人走,越用越厚。
运行数据反哺流程设计:识别常返工步骤与瓶颈,输出改造建议,由流程 Owner 确认后回写编排——运行、衡量、优化、再运行。
边界说明:能力画像、任务编队、组织 Skill 自动编译、流程 Loop 回写属演进方向,随版本分阶段落地;V3.5 已建成的是任务留痕、知识进化与价值核算的运营闭环。我们不把方向写成现状。
与一次通过率、返工率、ROI 等既有指标并列,目标是构成「能力 / 治理 / 结果」三类评估维度(目标口径,非当前报表项)。
每百条任务新增的可复用 Skill 数,衡量隐性知识显性化的速度。
跨岗位 / 跨任务调用同一 Skill 的比例,衡量岗位边界是否真的被打破。
由两个及以上岗位能力组成的任务占比,衡量「围着任务转」的程度。
由运行数据触发、并经流程 Owner 确认完成的流程改造次数。
被强制检查点与动态分级授权覆盖的任务比例。
具备完整证据链、可复算指标与具名责任人的任务比例。
制造业的数据与动作低可逆、强合规。系统自带内容安全防护、大模型数据脱敏与多智能体上下文管理——安全不是外挂,而是运行的一部分。智能组织的治理,内嵌在每一次运行里。
输入输出过滤、敏感与合规策略、越权副作用拦截、提示注入防护。策略前置到运行时,而不是事后抽检。
敏感字段自动识别与掩码,脱敏后再送模型;原始数据不出域、不外发,满足合规与保密要求。
编队成员之间上下文隔离与选择性传递、按任务裁剪,关键上下文全程留痕、可回溯、可审计。
不只是「管理」,还要「治理」:覆盖全生命周期——需求与能力画像 → 准入 → 在岗 → 监控 → 下线退役 → 归档。每一步都有责任人、量化阈值与留痕;能力评分 ≠ 业务质量,两者都要管。
上下文不进对,协同就失真。以「任务」为边界组织上下文:三层隔离 + 显式契约 + 全程可回溯。
长期上下文:企业知识、指标口径、权限与合规策略。跨任务复用,只读为主。
长期任务编队共享:目标、任务拆解、成员产出与状态。按任务创建,完成即归档。
任务期单个 Agent 的工作内存:只拿与自身任务相关的切片,不串味;产出经契约回写编队层。
按成员隔离要防的就是「上下文断链」:Agent 协同最怕前一个 Agent 的结论、约束与状态,到下一个 Agent 时丢了或对不上。机制上用「编队层」做共享总线 + 显式交接契约兜住——任务每流转一次,上下文带版本一起走,交接不归零、可复算。
每一次运行都留痕:任务链路、模型调用、权限动作、上下文流转全部落日志——可检索、可告警、可导出,满足审计与合规。
不绑定单一厂商:前端主流组件化框架、后端主流服务框架与开放 API、主流数据库(向量检索为规划方向)、容器化部署。本地化 / 私有化部署与云端 SaaS 两种交付模式都支持——数据可留在企业自己的环境内,也可走云端。
模型接入:支持主流大模型接入(含开源 / 私有化模型),按词元(token)计量与计费;同时支持视觉 / 多模态模型(OpenAI 兼容 image_url),未配置视觉模型时如实提示、不臆造。
Windows 桌面客户端已上线(下载中心可下:20 部门 · 48 个数字员工、Agent 智能协同、智能问答 / 问数、L1–L6 流程建模、托管单元、贡献积分、安全合规…);移动端为后续规划(借鉴一流 AI 助手 / 办公产品范式,延续官网与工作台统一明暗主题)。
从注册到跑通第一个任务,不需要实施顾问常驻。V3.5 起,上线之后进入持续运营闭环。这五步,就是从单点 AI 走向智能组织的路径。
回答一套结构化问题,系统生成企业画像与维度得分。
画像指出最该先解决的岗位,直接给出 AI 员工推荐清单。
选岗位模板、挂技能包、绑定知识资产,一键发布。
上传文档、图纸说明、经验记录,AI 员工的结论带上依据。
任务留痕、知识随任务进化,成功率与 ROI 自动核算——跑得不好的岗位回去调技能再训。
我们持续对标业界领先的 AI 助手与办公产品(AI 浏览器 / 文档助手 / 办公套件 / AI 搜索),吸收它们的强项,再叠加 WorkHand 的组织化创新。其中部分已上线(文档解析、多模态视觉、工作流 / 托管运行时、智能问答 / 问数),其余为规划方向。
联网检索 + 多源聚合 + 引用可溯源,让 AI 员工带着证据回答,而不是凭记忆。
长文档理解、表格 / 图纸 / 图片多模态解析、多文档对比;文档进来直接沉淀为知识模型。
一键生成 Word / Excel / PPT 等办公产物,并回写进任务与 Playbook——产物即交付物。
任务编排、定时 / 事件触发、并行编队;把「问一句」升级为「跑一条流程」。
AI 创新在哪:不是把别人的功能抄一遍,而是把「检索 / 文档 / 办公 / 自动化」装进智能组织的运行层——产物进任务、经验回沉 Skill、能力可被按任务编队、越用越贴合企业自己。这是通用助手做不到的组织化闭环。
云端 SaaS 按「组织规模 + AI 员工数」阶梯订阅;模型调用按 词元(token)计费,用多少算多少、账单可查。也支持 本地化 / 私有化部署。下列为参考价,最终以合同为准。
适合单团队试点,云端 SaaS,开箱即用。
适合多部门协同、要算清 ROI 的企业。
适合集团、多组织、合规要求高。
含 1 年更新与支持;数据不出本机,可接 Ollama / 私有模型。
含实施与 1 年服务;第二年起 ¥19,800 / 年。
专网 / 离线环境下的更新、巡检与支持。
对账 / 初筛 / 内容等标准流程;含每日运行配额与自主运行。
跨部门、需 SLA 与自愈重试的业务流。
付款 / 上线 / 对外发布等关键流;运行前需人类授权(Touchpoint)。
三种计费维度(可组合):① 云端 SaaS 按组织阶梯订阅(三档);② 模型调用按词元(token)计费;③ 按托管流程 / 运行量——业务流即托管单元,订阅买「轨道」、运行付「里程」,关键任务流程运行前需人类授权(Touchpoint)。本地 / 私有化按一次性授权 + 年度服务。以上均为参考价,实际价格以正式合同为准。
云端工作台浏览器直接可用;需要本地留痕、离线与私有化模型时,用 WorkHand 桌面客户端。下载即解压可用,无需安装。
解压后双击「WorkHand 客户端.exe」运行。首次使用在「设置」里选择本地 Ollama 或填入外网 API Key;配置与本机数据保存在应用数据目录。
SHA256 校验:下载校验文件
注册即生成企业画像与诊断;桌面端与云端可双向同步任务 / 知识。
推荐:先免费注册并诊断
Windows 桌面端已上线(见上方下载);macOS / Linux / 移动端为后续规划。当前请用 Windows 便携版或云端工作台。
两种部署都支持:云端 SaaS · 本地化 / 私有化
注册即生成企业画像,看得见短板在哪、该先解决什么——从第一个 AI 员工,到属于你自己的智能组织。不推销,先给结论。