自己动手搭一个“全AI部门”：从零复刻NEC那套玩法

NEC这个新闻我看了，它真正有意思的地方不是“裁员预告”，而是把“多智能体协作”落成了一家公司的组织架构。部门主管、委员会、经理、一般员工四个层级，AI自主定义任务、执行、进化，人类只负责质量控制和审批。这套东西听起来玄乎，但拆开看，就是一套带权限和流程的多智能体系统。我花了一周，用现成的工具链在本地搭了一个简化版，四个AI角色跑通了一个“需求评审”的闭环。下面把过程写出来，新手照着做也能跑起来。

需要先解释几个词。智能体（Agent）就是一段配置了大模型API的程序，给它一个角色设定和任务，它能自己调用工具、查资料、生成结果。多智能体就是好几个这样的程序互相发消息、互相审批，模拟一个团队。你不用懂底层原理，只要会写配置文件就行，跟我来。

前期准备：一台能联网的电脑，一个OpenAI或国产大模型的API key（我用的智谱的，便宜）。我们用的是Dify这个开源平台，它自带工作流编排，可以把多个智能体串成一条流水线。先去 github.com/langgenius/dify 下载社区版，用Docker一键部署，大概十分钟。

第一天：搭出四个“员工”

打开Dify后台，左侧菜单点“工作室”，新建一个应用，类型选“聊天助手”。这里就是你的第一个员工。在“提示词编排”里把角色设定写成这样：你是部门主管，负责拆解任务、分派给经理、汇总结果。你的输出格式是任务编号、负责人、截止时间。右上角选好模型，我用的 glm-4-air，便宜够用。保存后点一下“发布”，这个AI主管就上线了。

重复这个步骤，再建三个应用：经理（负责拆解主管的任务，分配给具体执行者）、执行员工（负责查资料、写文档）、委员会（负责审核所有输出，给出修改意见）。四个应用建好后，回到“工作室”首页，能看到四个独立的“AI员工”。

这一步的坑在于：免费模型的上下文窗口小，四个角色互相传消息容易截断。我这边测下来，把每个角色的“最大回复长度”拉到2048，够用。还有，角色设定里一定要写清楚“输出格式”，不然AI会自由发挥，下游根本没法解析。

第三天：让它们互相“开会”

单个AI员工没意义，得让它们串起来。Dify里有个“工作流”模式，点“新建工作流”，开始编排。拖入“开始”节点，设定输入参数，比如一个任务描述：“评估引入向量数据库的可行性”。然后拖入“LLM”节点，选中你的AI主管应用，输入接上一步的内容。再拖三个“LLM”节点，分别选经理、员工、委员会，把上一个节点的输出接到下一个节点的输入。最后拖一个“直接回复”节点，把委员会的最终意见作为结果输出。

跑一遍测试。输入一句话，看它是不是按照主管→经理→员工→委员会的顺序依次输出。这一步是最需要耐心的，大概率第一次跑不通。

我踩的坑是：Dify工作流里，不同节点的字段名要严格对应，比如主管输出的 task_id，经理节点里必须写成 {{#节点ID.task_id#}}，少一个字符就报错。还有，委员会节点容易把前面的结果全盘否定，搞得整个流程重来。解决办法是在委员会的角色设定里加一句“只针对文档中的事实错误提出修改，不做风格评价”。

素材里提到NEC的AI员工“需接受入职培训，学习企业价值观与规章”，我这边简化了，但原理一样：角色设定就是价值观，每个节点的提示词就是规章制度。这部分写不好，后面全乱。

一周后：加监督和复盘

流程跑通后，我加了两个东西。一个是“人工审批”节点，在委员会和最终输出之间插一个“人工确认”，经理和主管的角色可以自动执行，但对外输出必须真人点一下。另一个是“复盘脚本”，每次跑完自动把四个节点的输出存到本地，方便回头查。

操作上，在Dify工作流里加一个“HTTP请求”节点，把结果POST到我本地的一个简易Flask服务，存成JSON文件。这个不强制，但强烈建议加，不然你根本不知道是哪个环节出了问题。

一周用下来，这个“全AI部门”能处理的事情有限，但流程本身是通的。NEC说的“核心操作耗时缩短至约1/7”，我这边测下来大概是原来手动串联四个模型的时间，确实省了不少，但前提是任务定义得够清晰，模糊的任务AI会自己绕圈子。

学完这个，下一步可以试试把你手头重复性的工作拆成这种流水线，比如周报汇总、报销初审、文献调研。先从一个流程跑通，别一上来就搭全套。AI扮演员工这件事，真正的难点不在技术，在于你愿不愿意把规则写清楚。