为什么需要
多数团队停在「和 AI 聊天」这一步。真正卡住的往往不是模型能力，而是模型之外那套系统的缺位。
主体架构
一个中枢决定谁做什么，一个运行时真正把活干完，一个仓库让所有产出有处可去。
数据流闭环
关键不在于 AI 产出了什么，而在于产出被检查、被升级，并把运行状态反馈回调度中枢。
辅助架构
面向「读得多」的岗位。把研报、论文与内部资料导入后离线提问，向量化在本机完成，原始资料不出机 —— 是本地优先策略在检索场景的延伸。
本机 embedding · 离线检索当本地模型规模与并发需求提升时，执行层可以整体迁移到更高性能的本地算力底座，架构分层无需重构 —— 变的是底下的硬件，不是上面的系统。
算力可平滑扩展 · 架构不变组织与治理
每个 Agent 有明确职责与明确标准；产出在通过闸门之前，一律不算知识。
| 层级 | Agent | 职责 |
|---|---|---|
| 决策 | GM Office · ceo | 立项判断、决策备忘录 |
| 执行 | Engineering · rd · mkt · fin · scm · PM | 分域执行、项目推进 |
| 审核 | Reviewer | 证据审核、发布评审 |
| 工具 | Mika（Codex） | 复杂代码与工程改造 |
只有审核后的内容才是正式知识。草稿是工作材料，未通过评审不得升级 —— 这条规则是整套系统可信度的地基。
把跑通的业务流程封装成可复用技能（立项筛选、证据评审、决策备忘、复盘、任务执行），一次跑通，次次一致。
模型路由
路由是一条策略而非偏好：本地模型能吃下的全部本地跑，吃不下（联网、长文、复杂代码）的才交给云端。
| 任务特征 | 首选模型 | 理由 |
|---|---|---|
| 结构化输出、工具调用、字段抽取 | qwen3.5（本地） | 工具调用稳定且快；多步任务实测 3m46s |
| 长推理链、矛盾裁决、方案博弈 | deepseek-r1（本地） | 思考型模型，推理更细 |
| 图像 / 截图 / 扫描件 / PDF 版面 | qwen3-vl（本地） | 具备视觉能力，无需上传 |
| 复杂代码与工程改造 | 云端 Codex | 超出当前本地模型能力 |
| 需要最新外部信息 / 长文写作 | 云端模型 | 本地模型有知识截止时间，长文质量不占优 |
当前进展