跳至正文

Agentic operating-model experiment

Athena AI

多租户业务工作流原型

A multi-tenant business-workflow prototype with departmental modules, queued agent execution, retrieval memory, and model routing. The source demonstrates orchestration boundaries, not autonomous business operation.

业务 ↔ 技术桥梁 · Agentic operating-model experiment

Make agent-assisted business work observable before it becomes authority.

Explores tenant-scoped agents, organisational memory, queued execution, and human review boundaries.

这是对项目组合与源代码的解读,并非客户、部署、认证或成果声明。

  1. 01

    业务压力

    Departmental workflows and knowledge are fragmented, while a chat interface can conceal who owns an action, which data it used, and whether work completed.

  2. 02

    产品决策

    Scope data by tenant, queue agent work, separate model routing from business modules, and retain human review notices.

  3. 03

    技术记录

    Web, API, worker, database, agent, model-routing, retrieval-memory, schema, and selected test packages.

  4. 04

    证据回流

    Tool results, queue state, retrieval provenance, and review outcomes return to workflow design, permissions, staffing, and operating controls.

源码证据

源码实际能够证明什么

A multi-tenant business-workflow prototype with departmental modules, queued agent execution, retrieval memory, and model routing. The source demonstrates orchestration boundaries, not autonomous business operation.

详细技术快照以英文维护。

成熟度
Development prototype
证据审查
源码快照截至

产品与架构决策

  • Scope organisational data and workflows by tenant before agents or retrieval can consume them.
  • Run agent work through a queue rather than treating a chat response as a completed business action.
  • Encode human-review notices in agent definitions and keep model routing separate from business modules.

可核验的证据

  • Web, API, worker, database, agent, model-routing, memory, and shared-schema packages.
  • Typed database migrations and agent/tool schemas.
  • Unit tests for selected agent tools, routing, chunking, schemas, and browser smoke paths.

声明边界

  • No autonomous authority to transact, contact people, or change a business system is asserted.
  • No customer integration, data-residency guarantee, compliance status, or production deployment is established.
  • Generated departmental outputs require human review and separately configured data and model services.

代码仓库证据不等同于客户、部署、认证或成果证据。

架构

9 个模块,27 个智能体定义,一套公司记忆

三个源代码边界:业务工作区、经由队列运行的部门智能体工作流,以及按组织限定范围的检索记忆层。

仅为源代码图:一层可能代表已实现代码、适配器边界或文档设计,并不证明已配置生产服务。

  1. 01

    第 1 层——工作区

    源代码呈现一个 Next.js 界面下的九个部门模块和多租户设计。它并不证明认证、客户集成或对现有系统的实际替代。

  2. 02

    第 2 层——27 个智能体定义

    各模块提供专用智能体定义,用于线索评分、规划、分流、发票复核、招聘支持和政策复核。提供方和所在地行为取决于配置;不作主权保证。

  3. 03

    第 3 层——Company Memory

    源代码呈现文档分块、向量嵌入和检索。依据质量取决于已摄取的语料、访问控制、检索评估和人工复核。

问题所在

问题所在

为什么企业运营运转失灵

  1. 工具碎片化

    彼此独立、互不相通的 CRM、营销、客服、财务和 HR 系统。团队不得不花费大量时间在各平台之间复制数据。

  2. 通用型 AI 助手

    ChatGPT 能写邮件,却不了解你的销售管线、客户历史或公司政策。通用 AI 带来的是噪音,而非价值。

  3. 知识孤岛

    关键的机构知识只存在于员工脑中、散落的文档和旧邮件里。一旦有人离职,知识也随之流失。

  4. 合规负担

    GDPR、AI Act、合同和行业规则可能分别产生日志、监督、安全和数据传输义务。托管地点本身既不能证明也不能否定合规;角色、数据流、分处理者、控制措施和证据同样需要核验。

模块

部门模块

源代码中有 9 个模块和 27 个专用智能体定义,每个部门 3 个

仅为源代码范围:条目可能描述代码、已记录适配器或已配置工作流,并不表示生产服务正在运行。

  1. 01

    销售

    源码中描述的功能:线索评分、交易跟踪与方案生成。智能体定义:LeadQualifier、ProposalWriter、DealCoach。

  2. 02

    营销

    源码中描述的功能:活动管理、内容创作与受众细分。智能体定义:ContentStrategist、SeoWriter、CampaignManager。

  3. 03

    客户支持

    源码中描述的功能:工单管理、AI 辅助解决与升级路由。智能体定义:SupportAgent、EscalationRouter、VoiceOfCustomer。

  4. 04

    财务

    源码中描述的功能:发票处理、费用跟踪与预算管理。智能体定义:InvoiceParser、Bookkeeper、FinancialAnalyst。

  5. 05

    HR 与人力

    源码中描述的功能:员工管理、招聘管线与休假(PTO)流程。智能体定义:Recruiter、OnboardingGuide、HRPolicy。

  6. 06

    知识库

    源码中描述的功能:具备语义搜索与 Company Memory 的文档管理。智能体定义:KnowledgeAssistant、MeetingScribe、ContractReviewer。

  7. 07

    分析

    源码中描述的功能:业务报表、趋势分析与自定义仪表板。智能体定义:BusinessAnalyst、CompetitiveIntel、TrendSpotter。

  8. 08

    合规

    源代码呈现审计日志、合规扫描与法规检查。智能体定义:ComplianceMonitor、GDPRAgent(针对具体条款的检查、数据清单、法律依据草稿)、LegalReviewer。它并不确立法律上的完整性或合规性。

  9. 09

    运营

    源码中描述的功能:工作流自动化、任务管理与流程改进。智能体定义:WorkflowAutomator、OpsAnalyst、ProcurementAgent。

9 个部门,每个部门一个主导智能体

以有边界的智能体角色呈现的部门工作流。

源码为各部门定义了专用智能体。下方列出各模块拟议日常工作流中的主导智能体定义。

仅为仓库表面:可用性、完整性、性能与运营适用性需要另行验证。

SALES

线索评分员 + 管线教练

01

源代码呈现依据所提供的 ICP 对入站与出站线索的评分、最佳下一步行动草稿,以及停滞管线标记。并未确立任何 CRM 集成。

MARKETING

活动策略师

02

根据所提供的上下文起草活动简报、渠道选项、文案和 KPI 假设。品牌与效果方面的主张需要人工复核。

SUPPORT

工单分流员

03

源代码呈现按严重程度和主题对工单的分类、基于所提供知识库的首次回复建议,以及向人工审阅者的升级路由。

FINANCE

发票处理员

04

源代码呈现发票提取、采购订单比对、异常标记和结账摘要草稿。财务权限和数据所在地仍是需要运营方另行落实的控制。

HR

招聘筛选员

05

源代码呈现对照岗位评分卡的简历解析、面试候选人标记、个性化触达草稿和漏斗跟踪。筛选决定仍由人工审阅者作出。

KNOWLEDGE

文档策展员

06

源代码呈现针对已配置文档的摄取、分块、去重、向量检索和带引用的回答。覆盖范围仅限于获授权且已成功索引的材料。

ANALYTICS

趋势探测员

07

源代码呈现针对业务 KPI 的异常检查、基于所提供数据的根因假设,以及一份用于月度评审的高管叙述草稿。各项发现需要人工复核。

COMPLIANCE

审计轨迹监察员

08

源代码呈现针对选定工作流输出的政策检查和证据记录草稿。它并不确立法律上的完整性或合规性。

OPS

工作流优化员

09

源代码呈现对反复出现的多步骤工作流的剖析,以及关于 AI 智能体可在何处将其缩短的建议。工作流变更以及任何时间或成本估算都需要人工复核。

技术栈

技术栈

所列技术仅标识仓库依赖项或适配器表面,并不证明存在活动集成或部署。

后端
Fastify 5, TypeScript 5.8, Drizzle ORM, PostgreSQL 17 + pgvector, Redis 7, BullMQ 5
AI / LLM
独立的 Athena AI 仓库呈现可配置的 Mistral、Anthropic、OpenAI、嵌入和 pgvector 检索适配器。可用性、所在地和数据处理取决于运营方配置;这些并非本网站正在运行的集成。
前端
Next.js 16, React 19, Tailwind CSS 4, Radix UI, SSE 实时更新
数据与记忆
Company Memory Engine(分块器、摄取器、检索器)、语义搜索、512 字符分块、64 字符重叠
基础设施
Docker Compose, Caddy 2(自动 HTTPS), pnpm monorepo, Turborepo 2.8, better-auth
测试
Vitest(单元测试)、Playwright(E2E)、Zod 校验 schema、所有服务的健康检查

源代码

查阅代码

Athena AI 原型源代码可应请求提供,用于评估与合作目的。

需签署 NDA

如需访问源代码,请签署保密协议(NDA)。这是一项标准的法律手续。

相关咨询服务

需要帮助设计 AI 驱动的运营平台吗?欢迎了解我的咨询服务。

合作

对 Athena AI 感兴趣?

这一原型面向正在探索有边界的跨部门工作流、或围绕其源代码开展合作的组织。

取得联系
AI 洞察

The AI Dispatch

从演示走向可靠运营。订阅 Physical AI 新读物。

随时可取消订阅。绝无垃圾邮件。