塔斯娱乐资讯网

概念不统一,AI越能干,企业越乱 智能体开始替人做事:通过MCP调用业务系统,按

概念不统一,AI越能干,企业越乱
智能体开始替人做事:通过MCP调用业务系统,按Spec跨组件生码。做得越快,一个老问题暴露得也越快:同一个业务对象,各个系统各有定义,AI不知道哪个是真的。阿里云 CIO 蒋林泉团队2024年底就开始治理,体会是:同一个组件里用 Spec 没问题,一跨组件就废了。AI 做事再快,为什么还缺一本"概念字典"? ▍同一个"客户",四个系统,有四种说法在销售系统里,客户是“联系人”;在财务系统里是“付款主体”;在服务系统里是“使用者”;在数据仓库里是“统计口径”。老系统的复杂性最后都来自腐化,每个需求牵动多个组件、多个岗位,大家说的“语言”都不一致。 ▍效率折损的根源,是缺一本"字典"业务本身足够复杂,却没有一套自顶向下的语言去描述,跨团队之间也没有一本确定性的字典。蒋林泉认为,这是绝大部分效率折损的根源。 ▍各写各的 Spec,一跨组件就失效概念定义不通,AI看到同一个概念有两种说法时会乱猜,两个都不完备时,AI 会编出"第三个",最后还得靠人来联调,摩擦力又回来了。 ▍先做到书同文、车同轨借用《人月神话》的外科手术团队解决方案:动大结构、动核心概念,必须由"主刀"来做。架构师,自上而下定义领域边界、裁决跨域取舍,沉淀一份统一的“概念字典”,再通过 API 契约和数据结构落到各组件。 ▍AI 读"产品事实",抽出共享 Spec过去治理概念成本极高,现在用AI从代码仓库、数据模型、对客文档、界面交互里逆向抽取概念,经人工确认形成共享 Spec ;再用跨 Repo 统一的MD探测新的分叉,设好门禁。 ▍开放MCP前,概念字典怎么建?多个局部真相直接开放给 Agent ,错误会被并行复制。所以要自下而上,先由主数据定标识与关系,业务语义定定义与口径,再开放受控接口。 ▍AI看清复杂度,人做关键取舍AI能帮架构师看清全局的概念复杂度,但不解决根本复杂度。跨域治理与关键取舍,仍要由人主导。 业务系统正在向通用智能体开放,接入的智能体越多,概念完整性越绕不过去。企业想让人和 AI 一起干活,先得让大家说同一种语言。 人工智能 大模型 Agent MCP 企业AI 研发效能 AINative 阿里云CIO 蒋林泉