中科·智枢：五层分工、双进程松耦合，一个能办事的AI底座长什么样？

企业需要的不是一个更聪明的聊天机器人，而是一套能承载业务、能管住边界、能落地交付的智能体底座。

那么，这套底座到底长什么样？它是如何运转的？一次业务请求从发起到完成，中间经历了什么？

今天，我们拆开中科·智枢工业智能体引擎平台的“骨架”，看看它的整体架构。

从高层视角看，平台可概括为五层分工：

接入层，提供Web门户、嵌入式SDK（3行接入）与OpenAI兼容API三类接入方式，让企业现有系统可以快速对接；

空间层，承载团队空间的身份角色、空间隔离、知识库与规则引擎，以及技能、文件、语音、资源授权与会话审计；

调度层，由MainAgent完成意图理解、任务路由、规划、执行、作答、记忆装配与结果交付，全程流式可见；

能力层，提供知识库RAG、工作流引擎、MCP工具网关、多智能体协同、动态表单与图表、专业智能体等能力；

底座层，统一提供身份认证、权限、限流、审批、审计、监控、模型池、评测与日志。

五层分工进一步展开，形成“用户接入—认证权限—空间管理—业务能力—调度引擎—能力资源—策略治理—基础设施”的完整逻辑架构。每一层各司其职，逐层支撑，既不越位，也不缺位。

从工程实现看，平台采用“团队空间（业务归属层）—MainAgent（调度与治理层）”双进程、松耦合架构，具备三个工程优点：

一是物理隔离，空间与调度中心是独立进程，一边出问题不影响另一边；

二是最小运维面，一次性部署、单端口可交付，适配企业内网与离线环境；

三是可独立演进，模型、工具、策略全部可配置热更新，替换能力不动业务链路。

在技术实现上，平台划分为前端展示层、接入与安全层、应用服务层、智能体引擎层、模型与知识层、工具与集成层、数据与基础设施层七个部分：

前端展示层提供空间管理门户、团队空间门户、统一运营控制台与全站AI助手；

接入与安全层采用JWT令牌、图形验证码自动登录与空间签到，按RBAC模型与空间级角色实施鉴权；

应用服务层按业务域拆分系统管理、空间管理、知识库、记忆、规则、技能、会话与文件等模块化服务；

智能体引擎层由自动路由、P&E执行器、ReAct执行器、上下文管理与工作流引擎构成；

模型与知识层统一纳管大语言模型、嵌入模型与重排模型，实现知识库切片、向量化、混合检索与重排；

工具与集成层通过MCP工具与数据源对接外部业务系统；

数据与基础设施层由业务数据库、向量数据库、文件存储、日志审计体系与智枢工业智能体一体机构成。

一次完整的业务请求处理，遵循“请求接入与意图理解→自动路由与模式选择→上下文装配→工具与工作流执行→响应生成与动态展示→沉淀与治理”六步运行链路：

请求经统一认证与会话鉴权后识别业务诉求；自动路由按请求内容匹配最优智能体与处理链路，置信度不足时主动追问，并按任务特征选择精准或探索执行模式；随后并行装配知识检索结果（RAG）、长期记忆召回、业务规则约束与会话历史；按需调用MCP工具、平台预置工具或编排工作流；模型按角色差异化参数生成回答，以文本、图表、文件等多形态输出并支持语音朗读；最后会话记录全量留存用于审计复盘，高价值信息经候选审核沉淀为长期记忆，满足条件的记忆簇自动结晶为业务规则，形成知识闭环。

这套架构的意义，不在于技术有多复杂，而在于它回答了一个企业最关心的问题：AI用进业务，怎么才能既灵活、又可控？

五层分工，让每一层都有明确边界；双进程松耦合，让业务与调度互不干扰；六步运行链路，让每一次请求都可追溯、可审计、可沉淀。

中科·智枢工业智能体引擎平台 = 一个会规划调度的“大脑” + 多个独立自治的“业务空间”。

它把企业的知识、制度、系统和人员组织成一个能办事、管得住、可复制的AI底座，让AI真正走进企业的生产、研发、质检与管理现场，而不是停留在对话框里。

后续我们将继续解读平台的能力全景与关键技术原理，敬请关注。