1. 产品概览

1.1 FlowNex 是什么

FlowNex 是行云面向企业级 AI-Agent 场景自研的能力中台。它不是单一的聊天机器人，也不是只面向代码开发的垂直 Agent，而是一套用于构建、运行、治理和持续演进企业 Agent 能力的基础平台。

FlowNex 以对话和任务为入口，以 share-harness 为运行时执行底座，以 Skill、Tool、知识库、AGFS、多 Agent 任务图为核心能力组件，为企业内部业务团队提供可配置、可授权、可观测、可复用的 AI-Agent 能力。

在产品形态上，FlowNex 同时包含：

  1. 面向最终用户的 Agent 对话与任务执行入口。
  2. 面向管理员的 Skill、知识库、权限、模型和运行时配置管理。
  3. 面向开发者的 Tool、Skill、Runtime、AGFS 和知识检索扩展能力。
  4. 面向运营和治理团队的任务轨迹、知识命中、文件产物、用户反馈和审计回放能力。

它要解决的核心问题是：

一个组织如何规模化生产、运行、管理和优化 AI-Agent 能力。

1.2 产品定位：行云 AI-Agent 自研能力中台

FlowNex 的产品定位是：

行云 AI-Agent 自研能力中台。

这里的“能力中台”包含三层含义。

第一，FlowNex 是 Agent 能力的生产平台。

业务团队可以在平台中创建和管理 Skill，绑定知识库，配置可用工具，选择模型能力，并将这些能力组合成面向具体场景的 Agent 能力包。例如合同评审助手、项目交付助手、数据分析助手、售前方案助手、知识运营助手等。

第二，FlowNex 是 Agent 能力的运行平台。

用户发起对话、管理台操作、Skill 配置、知识库管理、任务中心等 FlowNex 主站交互时，请求仍然经过 ai-claw-gateway，再进入后端控制与运行时链路。ai-claw-gateway 没有下线，它负责 FlowNex 初始 AI 应用入口之外的所有产品交互。

AI 应用中心内的 AI 应用请求则走另一条专用链路：请求经过 ai-app-runtime-gateway 的 application 前缀路由进入 AI 应用接入层，再由 ai-app-service 承接前端 AI 应用所需的应用层交互接口、业务语义接口和业务数据落库。这里的 AI 应用包括行云 AI 算力专项学习服务、会议智能总结、智能项目管理、智能标书等业务应用。

当 AI 应用中心的前端应用需要请求原子 AI 能力时，请求先经过 ai-app-runtime-gateway 和 ai-app-service，再进入 control-center 能力中心；当现有 Web 前端、飞书、钉钉或 Agent 运行时需要请求原子 AI 能力时，仍沿用 ai-claw-gateway -> control-center 或运行时内部链路，由 control-center 能力中心完成能力授权、路由、调用治理和 Provider 适配。

其中 Capability Gateway 和 Provider Adapter 不是独立部署的应用，而是 control-center 内部的能力中心实现类或模块。运行时会根据当前用户、租户、角色、Skill、Tool、知识库范围和文件上下文，动态装配本轮 Agent 所需能力，并通过 SSE 将执行过程和结果回推给客户端。

第三，FlowNex 是 Agent 能力的治理平台。

平台需要知道一次任务为什么这样回答，调用了哪些工具，使用了哪些知识，读取或生成了哪些文件，哪些步骤失败，哪些产物可以沉淀为知识，哪些 badcase 可以进入经验演进。这些能力决定了 FlowNex 与普通 2C Agent 产品的根本区别。

FlowNex 的中台目标可以概括为：

Agent 能力可配置
Agent 执行可追踪
Agent 上下文可治理
Agent 文件可回滚
Agent 经验可沉淀
Agent 能力可演进

1.3 FlowNex 的三层能力体系

接入方案上线后，FlowNex 的能力边界需要从“自研 Agent 能力中台”进一步扩展为“企业 AI 应用与原子化 AI 能力的统一接入、编排、治理与运营中台”。

新的能力体系可以拆成三层：

层级 面向对象 主要职责
AI 应用层 业务用户、业务系统、业务线产品 承接完整业务场景，例如请假助手、报销助手、数据分析助手、合同审核助手、业务线自建 AI 应用
Agent 编排层 FlowNex Runtime、多 Agent、Skill 理解任务、选择能力、装配上下文、编排步骤、调用工具、沉淀结果
原子能力层 业务线系统、AI 服务 Provider、内部平台能力 提供可复用的最小能力单元，例如 OCR、审批查询、订单创建、报表分析、合同审核、知识检索

这三层不是互相替代关系，而是逐层抽象：

  1. AI 应用层负责面向业务表达“用户要完成什么场景”。
  2. Agent 编排层负责把场景拆成任务、步骤、上下文和能力调用。
  3. 原子能力层负责提供稳定、可治理、可复用的底层动作或智能能力。

因此，FlowNex 后续需要新增一类基础能力：

面向不同业务线 AI 应用接入 FlowNex，以及原子化 AI 能力统一注册、授权、路由、调用、观测和运营的能力管理底座。

这意味着 FlowNex 不只管理自己创建的 Skill 和 Agent，也要能接入集团内其他业务线已有的 AI 能力，把它们包装成统一的 Capability、Tool 或 Skill，并纳入租户、角色、审计、Trace、质量评估和成本统计。

1.4 核心能力总览

FlowNex 的核心能力可以分为八类。

FlowNex 自研能力中台核心能力框架

1. Agent 对话与任务执行

FlowNex 支持用户通过 Web、飞书 / Lark 等渠道发起 Agent 对话和任务。

每次用户输入会被建模为一次可追踪任务，任务中可以包含：

  1. 用户消息。
  2. 用户上传文件。
  3. 本轮授权的 Tool。
  4. 本轮授权的 Skill。
  5. 知识库选择范围。
  6. 运行时产生的任务步骤。
  7. Agent 输出的最终结果和文件产物。

相比普通聊天机器人，FlowNex 更强调任务过程和执行证据，而不是只保存最终回复。

2. Skill 能力体系

Skill 是 FlowNex 中可复用的 Agent 专业能力单元。

一个 Skill 可以描述某类任务的执行方法、输入约束、输出格式、工具使用方式、知识依赖和风险边界。例如：

  1. 合同评审 Skill。
  2. 周报生成 Skill。
  3. 数据分析报告 Skill。
  4. 飞书审批处理 Skill。
  5. 项目复盘总结 Skill。

FlowNex 支持 Skill 的创建、审核、发布、安装、预装、启停和运行时授权。后续 Skill 还会进一步与知识库、AGFS 文件产物、任务轨迹和经验演进闭环打通。

3. Tool 执行体系

Tool 是 Agent 可以调用的外部能力。

Tool 可以包括：

  1. 文件读写。
  2. Shell 执行。
  3. Web 搜索。
  4. 飞书 / Lark API。
  5. 业务系统 API。
  6. 数据库或内部服务查询。
  7. AGFS 文件操作。

在 FlowNex 中，Tool 不只是模型可见的函数列表，还要纳入权限、审计、运行时隔离和失败回放。外部工具通过 toolCodes 授权，运行时内置文件能力则由 share-harness 的执行策略控制。

4. 知识库系统

FlowNex 接入 OpenViking 知识库作为组织知识检索底座。

知识库主要承载：

  1. 企业制度。
  2. SOP。
  3. 业务说明文档。
  4. 项目资料。
  5. 会议纪要。
  6. FAQ。
  7. 角色共享模板。
  8. 可复用案例。

OpenViking 负责知识检索能力，FlowNex 负责本地知识映射、租户和角色可见范围、用户授权范围计算、运行时知识范围装配、引用追踪和降级策略。

知识库在 FlowNex 中不是一个孤立搜索入口，而是 Agent 能力的重要上下文来源。

5. Skill 与知识库绑定

Skill 负责“怎么做事”，知识库负责“依据什么做事”。因此，业务型 Skill 需要能够绑定默认知识范围。

例如：

  1. 合同评审 Skill 绑定合同模板、法务审查规则和风险条款库。
  2. 项目交付 Skill 绑定项目 SOP、交付模板和历史复盘。
  3. 售前方案 Skill 绑定产品能力说明、报价规则和客户案例。

绑定关系可以降低检索噪声，提升 Skill 输出稳定性，并帮助平台判断任务失败原因来自 Skill 本身、知识缺失、知识过期还是召回质量。

第一阶段，FlowNex 建议采用轻量绑定：

  1. 工具型 Skill 默认不绑定知识。
  2. 方法型 Skill 可选绑定知识。
  3. 业务型 Skill 推荐绑定知识。
  4. 高风险 Skill 支持 REQUIRED 强绑定。

6. AGFS 文件系统

AGFS 是 FlowNex 后续自建的 Agent Graph File System。

它的目标不是替代普通 OSS 附件管理，而是成为 Agent 运行时文件世界的基础设施。

AGFS 负责：

  1. Agent workspace。
  2. 任务产物文件。
  3. 多 Agent 共享文件。
  4. 文件版本历史。
  5. 任务 checkpoint。
  6. 文件系统级快照与回滚。
  7. 文件血缘追踪。
  8. 高价值文件沉淀为知识候选。

在 AGFS 中，Agent、Shell、MCP、FUSE 和 HTTP File API 应看到同一套文件树。一个 Agent 生成的文件，可以被另一个 Agent 立即读取；一次错误的脚本执行，也可以通过 checkpoint 回滚。

AGFS 与 OpenViking 的边界是：

  1. OpenViking 管组织知识和 RAG 检索。
  2. AGFS 管运行时文件、协作工作区、版本和回滚。

7. 多 Agent 协作框架

FlowNex 后续会从单 Agent 执行升级为多 Agent 协作。

多 Agent 协作不是简单让多个模型并发回答，而是围绕任务图、共享知识和 AGFS 工作区进行受控协作。

建议的基础角色包括：

  1. Planner：负责拆解任务和制定执行计划。
  2. Researcher：负责检索知识和收集资料。
  3. Executor：负责调用工具和产出文件。
  4. Reviewer：负责检查结果、发现遗漏和风险。
  5. Synthesizer：负责汇总最终输出。

多 Agent 协作的关键底座是 AGFS。所有 Agent 围绕同一个 project space 或 task space 工作，任务产物、审阅意见、中间数据和最终报告都可以被统一追踪和回滚。

8. 观测、审计与演进闭环

企业级 Agent 平台必须回答“为什么”。

FlowNex 需要观测：

  1. 本轮选择了哪些 Skill。
  2. 本轮授权了哪些 Tool。
  3. 本轮检索了哪些知识库。
  4. 最终引用了哪些知识片段。
  5. 哪些知识因权限被裁掉。
  6. Agent 生成或修改了哪些文件。
  7. 多 Agent 各自完成了哪些子任务。
  8. 用户是否点赞、点踩或追问。

这些轨迹不仅用于排障和审计，也会成为后续经验沉淀的输入。高质量任务结果可以沉淀为知识库草稿，高频 badcase 可以沉淀为 runtime reminder、Skill 附录或评测集。

1.5 与 Codex / OpenClaw / 通用 Agent 产品的区别

FlowNex 与 Codex、OpenClaw 这类 Agent 产品的区别，主要不在模型能力，而在产品对象和平台边界。

1. 与 Codex 的区别

Codex 更偏向软件工程 Agent。它的核心场景是代码理解、代码修改、测试运行、工程任务处理和开发者工作流提效。

FlowNex 的目标不是只做编码 Agent，而是面向企业业务场景构建 Agent 能力中台。

主要区别：

维度 FlowNex Codex
核心定位 企业 Agent 能力中台 软件工程 Agent
核心上下文 组织知识、业务流程、Skill、文件、任务轨迹 代码仓库、Issue、测试、工程上下文
用户对象 企业业务团队、管理员、内部员工、开发者 开发者、工程团队
治理重点 租户、角色、知识、Skill、Tool、文件、审计 仓库权限、代码变更、测试和 PR
协作方向 多人多 Agent 业务协作 开发者与编码 Agent 协作

可以概括为：

Codex 是 AI 程序员，FlowNex 是企业 Agent 能力中台。

2. 与 OpenClaw 的区别

OpenClaw 更偏向 2C 或 prosumer 场景，是面向个人的本地常驻 AI 助手。它强调个人设备、本地运行、聊天入口和自托管可控性。

FlowNex 面向企业组织，更强调租户隔离、权限治理、知识授权、多 Agent 协作、文件审计和能力运营。

主要区别：

维度 FlowNex OpenClaw
核心定位 企业 Agent 能力中台 个人 AI 助手 / 本地 Agent
核心用户 企业组织和内部业务团队 个人用户、极客、自托管用户
文件系统 AGFS 项目空间、多 Agent 共享、快照回滚、审计 个人本地文件和个人上下文
权限体系 租户、部门、角色、项目、个人多层权限 个人设备权限为主
产品目标 组织规模化生产和治理 Agent 能力 个人拥有可控的 AI 助手

可以概括为：

OpenClaw 是个人 AI 助手，FlowNex 是组织级 Agent 基础设施。

3. 与通用聊天 Agent 的区别

通用聊天 Agent 通常关注自然语言交互和模型回答质量，但企业场景还需要更多平台能力。

FlowNex 关注：

  1. 任务是否可追踪。
  2. 知识是否可授权。
  3. Skill 是否可复用。
  4. Tool 是否可审计。
  5. 文件是否可回滚。
  6. 产物是否可沉淀。
  7. 多 Agent 是否可协作。
  8. 能力是否可灰度、评测和运营。

这使得 FlowNex 更接近企业级 Agent 操作系统，而不是单一聊天产品。

1.6 典型使用场景

FlowNex 面向企业内部多类业务场景。

1. 企业知识问答

用户可以基于授权知识库提问，例如：

  1. 查询公司制度。
  2. 查询业务 SOP。
  3. 查询产品能力说明。
  4. 查询项目资料。
  5. 查询 FAQ 和历史案例。

系统会根据用户身份、租户、角色和知识库可见范围裁剪可检索知识，并在回答中返回引用依据。

2. 业务文档生成

用户可以通过 Skill 生成结构化文档，例如：

  1. 周报。
  2. 月报。
  3. 项目复盘。
  4. 会议纪要。
  5. 售前方案。
  6. 合同审查意见。

这类任务通常会使用 Skill 约束输出结构，同时结合知识库中的模板、规则和案例。

3. 数据分析与报告

用户上传表格或数据文件后，Agent 可以完成：

  1. 数据清洗。
  2. 指标计算。
  3. 图表生成。
  4. 异常发现。
  5. 分析报告生成。

后续 AGFS 接入后，数据文件、中间结果、图表和最终报告都可以进入可追踪文件空间。

4. 项目交付助手

项目团队可以为每个项目配置知识范围和 AGFS 项目空间。

Agent 可以辅助：

  1. 汇总项目背景。
  2. 生成需求说明。
  3. 编写技术方案。
  4. 维护交付清单。
  5. 生成周报和复盘。
  6. 查询历史决策。

多 Agent 框架成熟后，可以由 Planner 拆任务，Researcher 查资料，Executor 生成文档，Reviewer 做审查，Synthesizer 汇总交付。

5. 飞书 / Lark 办公自动化

FlowNex 可接入飞书 / Lark 渠道，支持：

  1. 群聊或单聊触发 Agent。
  2. 读取飞书附件。
  3. 处理审批、日历、任务、文档等业务。
  4. 定时任务和提醒。
  5. 将执行结果回推到聊天窗口。

6. 企业 Agent 能力运营

管理员可以运营企业内部 Agent 能力：

  1. 创建 Skill。
  2. 审核 Skill。
  3. 配置 Skill 绑定知识。
  4. 预装 Skill 给部门或角色。
  5. 查看 Skill 使用率和成功率。
  6. 查看知识命中情况。
  7. 从任务结果中沉淀知识和经验。

1.7 系统边界与非目标

为了保证系统边界清晰，FlowNex 需要明确哪些事情当前做，哪些事情不做。

1. 当前核心范围

FlowNex 当前和未来半年重点覆盖：

  1. Agent 对话和任务执行。
  2. Skill 管理和运行时注入。
  3. Tool 授权和调用。
  4. OpenViking 组织知识库接入。
  5. Skill 与知识库绑定。
  6. AGFS 自建运行时文件系统。
  7. 多 Agent 协作框架。
  8. 任务轨迹、知识命中、文件产物和用户反馈观测。
  9. 经验沉淀和能力演进闭环。
  10. 业务线 AI 应用和原子化 AI 能力的接入、授权、调用、观测和运营。

2. 当前非目标

FlowNex 不应在当前阶段承担以下目标：

  1. 不做通用 2C 个人 AI 助手。
  2. 不做只面向编码场景的垂直工程 Agent。
  3. 不把运行时文件托管给 OpenViking Service。
  4. 不自研替代 OpenViking 的组织知识向量检索底座。
  5. 不让所有 Skill 强制绑定知识。
  6. 不让所有临时文件都进入 AGFS 云端主树。
  7. 不做无审计、无评测、无回滚的自动自我改写。
  8. 不让多 Agent 自由抢占同一个最终输出。

3. 长期演进边界

长期看，FlowNex 可以逐步增强以下能力：

  1. 更完整的 AGFS 文件权限。
  2. 更强的多 Agent 任务图调度。
  3. 更稳定的 Skill 评测和灰度发布。
  4. 更细粒度的知识命中质量评估。
  5. 更自动化的经验沉淀。
  6. 更丰富的企业系统连接器。

但这些能力都应围绕同一条主线展开：

帮助组织规模化生产、治理和运营 AI-Agent 能力。