纷享销客CRM
产品
业务产品
纷享 AI-ShareAgent
渠道管理
销售云
集团 1+N
营销云
生态类产品
服务云
平台能力
AI 平台(ShareHive 操作平台)
业务定制平台(PaaS)
智能分析平台(BI)
数据集成平台 + 开放平台
解决方案
行业方案
ICT行业
装备制造
专业服务
医疗健康
SaaS软件
家居建材
教育培训
电子制造
物流行业
精细化工
消费品
能源电力
农资农贸
汽车零部件
外贸行业
场景方案
国产替代
企业出海
Salesforce 迁移
大客户关系管理
交付项目管理
售后服务管理
更多场景解决方案>>
客户案例
高科技
制造业
消费品
医疗健康
家居建材
更多客户案例
资源中心
干货内容
电子书下载
博客文章
产品动态
视频资料
市场活动
2026年AI产品发布会
CRM知识
什么是CRM
什么是SaaS
什么是PaaS
什么是销售管理系统
什么是营销管理系统
什么是服务管理系统
更多知识>
客户支持
服务与支持
客户实施服务
信任中心
学习和帮助
用户手册
管理员认证
产品功能演示
最新版本下载
关于纷享
企业简介
纷享动态
加入纷享
联系方式
渠道伙伴
成为渠道伙伴
纷享销客伙伴同行者
营销型伙伴
交付型伙伴
生态合作伙伴
招商政策
伙伴招商政策
查询渠道伙伴
伙伴资质查询
多语言
简中
繁中
ENG

Skill 生态与演进飞轮:纷享销客 ShareHive 如何让 Agent 能力持续生长

纷享销客  ⋅编辑于  2026-11-20 10:19:21
微信咨询

售前顾问一对一沟通

获取专业解决方案

Agent 平台的长期竞争力,不在预置了多少功能,而在能力能否被沉淀、被评测、被复用、被持续迭代。纷享销客AI技术平台 ShareHive 用三层 Skill 生态、可观测与效果评估体系、可插拔扩展框架和大模型网关,构成了一个能自己转起来的演进飞轮。

一、Skill 是最重要的资产

Skill 是整体 Agent 平台中最重要的资产。只有通过大量优质 Skill,才能让某一领域、某一场景下的任务执行确定性最高——Skill 中承载着业务规则、执行方式、Playbook,乃至领域与行业的智慧。

这句话背后是一个判断:模型是公共品,Skill 才是私有品。同一批模型对所有厂商开放,企业之间的差异最终落在"谁的 Skill 更贴合业务"上。纷享销客AI技术平台ShareHive 通过分层设计构建了三层 Skill 生态。


二、三层 Skill 生态:管控、创新、开放

1、租户级 Skill(企业级,核心管控层)

Skill 首先是企业级的。管理员统一管理 Skill 的创建、优化,并分配给不同的 Agent 与员工使用;承载企业标准业务逻辑与合规流程,支持强制基线对齐——企业流程变更时,可提示或强制个人版本回归最新基线。

2、个人级 Skill(个体创新层)

员工的私人工具箱,允许在租户 Skill 之上 Fork 派生出符合个人习惯的版本。与 C 端 Agent 的巨大区别在于:个人 Skill 可以贡献到企业级——员工申请上架,管理员审核通过后,即可开放给企业更多人使用;也可通过企业内部 Skill 市场、企信对话、Feeds 进行 P2P 共享。高频高评价的个人 Skill 可被管理员一键"收编"为企业官方 SOP。

这一条是整个 Skill 体系里最有价值的设计:上行通道。多数企业软件的定制是自上而下的,一线员工的巧办法无法进入系统;而这里个人经验有明确的向上流动路径,从 Fork 到申请上架,再到收编为官方 SOP。

3、Skill 市场(开放生态层)

纷享预置了大量优质 Skill 供企业与个人直接使用。目前已预置 200+ 覆盖 CRM 领域与各行业的 Skill 与 60+ 开箱即用 Agent(线索获取、线索画像、商机赢单教练、智能下单、合同风控、问数分析、AI 访销大脑等);市场同时引入严格的隔离沙盒与权限审批流,支持跨租户能力共享与 ISV 生态。企业侧的使用数据同样可观:企业自定义 Skill 已累计 7200+(租户级 2400+、个人级 4800+)。

个人级数量高于租户级,这个比例本身就是答案——一线确实有大量长尾场景需要被表达,而企业级管控保证了这些长尾不会失控。

三、Skill Creator:把"生产"这件事也自动化

Skill 生产与自迭代闭环由 Skill Creator(元智能体)承接"即拿即用"的自动化生产:

  • 自然语言描述即可生成 Skill 架构与定义;
  • 提供 GitHub URL 或压缩包可自动装配导入;
  • 创建时自动从底层 API 注册表检索匹配的 CRM 工具,并将精确 Cli 注入 Skill 定义,降低误调用风险;
  • 所有 Skill 上架前必须在验证沙盒中用 Mock 数据跑通链路。

第三条尤其关键。Skill 最常见的失败模式不是"逻辑写错",而是"调错了工具"或者"调了不存在的工具"。在生成阶段就把精确的 Cli 注入定义,等于从源头减少了这类错误。

在消费侧,系统具备实时自迭代能力:

  • "无中生有":检测到用户完成了一次复杂流程,主动提议生成专属 Skill;
  • "存量进化":检测到用户纠偏执行步骤,主动提议将偏好更新至 Skill。

所有自生成更新须经用户显式确认,支持多版本快照与一键回滚。主动提议 + 显式确认这个组合,是企业场景里比较稳妥的边界:系统可以更主动,但决定权仍在人手上。

四、可观测与效果评估:让优化有依据

可观测体系实时反映平台运行的健康性、稳定性与执行效率,包括:当前任务排队情况、任务执行效率与耗时、首 Token 延时、成本消耗,以及调用大模型网关后的 KV Cache 运用情况等。借助这些指标,平台得以持续深入优化,让 Agent 执行效率与稳定性大幅提升。

通过网关的自动负载均衡、自动降级与故障转移,大模型网关可用率达到 99.99%(四个九),Agent 平台任务处理可用率接近 99.9%(三个九)。

效果评估体系构建了专门的 Agent 评测平台:

  • 黄金评测集:100+ 评测用例密集覆盖 Agent 在各领域、各场景的测试能力,按不同领域、不同难度梯度分布(简单查单、多表联合分析、复杂跟进流程),度量任务完成率、执行效率与成本;
  • 双轨制评价:确定性任务采用规则化断言(直接核对执行日志与数据库状态,100% 准确、低成本);发散性 / 生成类任务采用 LLM-as-a-Judge,由顶尖推理模型按评分卡多维度打分;
  • 多模型验证:黄金用例在不同模型上充分测试,指导模型选型——目前在 DeepSeek 等新一代模型上,任务完成率已达到 95% 以上;
  • 线上达标闭环:从前期人工抽检打标建立基线,到后期旁路评价 Agent 自动化全量评分,加权推导出无限逼近真实的"线上综合业务完成率",作为指导平台演进的北极星指标。

"线上综合业务完成率"这个指标的选择值得说一句。它不是一个漂亮的实验室数字,而是一个被人工抽检校准过的线上推算值——它承认了评测永远不可能完全还原真实,但要求它不断逼近。

五、可插拔框架:高内聚、低耦合

为支撑复杂定制与旁路业务,Managed Agent 被打造为高内聚、低耦合的可插拔框架,对下开放系统级能力扩展,对内暴露执行链路的控制权与状态流:

  • 工具插件扩展(Tool Plugins):以标准化 MCP 架构接入基础设施级工具(Python 沙盒执行器、网络爬虫、文档解析器等),平台作为 Client、插件作为 Server,实现基础工具的极简热插拔;
  • 生命周期钩子(Lifecycle Hooks):同步阻塞式干预能力——Pre-LLM Hook(请求发送前:敏感数据脱敏、动态 Prompt 注入、多租户合法性校验)、Post-LLM Hook(响应解析前:格式校验、强制纠错重试、自定义压缩)、Execution / Session Hook(工具执行前后与会话收束时:清理沙箱变量、阻断高危调用);
  • 内部事件驱动体系(Event-Driven Bus):异步非阻塞地广播标准内部事件流(Task_Started、Tool_Executed、User_Intervened、Session_Ended 等),支撑记忆异步沉淀、安全审计落盘、计费与可观测性采集等旁路业务;
  • Agents API & SDK(Agent-as-a-Service):向外部业务线暴露标准 Agent 调用能力——RESTful API 发起任务、查询状态、中断任务、获取结果;SDK 封装降低集成门槛;通过 Webhook / Listener 订阅高保真内部事件(工具调用进度、思考流、最终结果),支撑外部系统渲染过程 UI 与级联业务编排。

六、大模型网关:统一的调度与管控中枢

大模型网关(LLM Gateway)是平台统一的底层基座调度中枢:对上层 Agent 引擎屏蔽协议差异,对下提供极致的稳定性兜底、流量治理与资源核算。

  • 协议适配与模型代理:将不同大模型供应商的私有 API 规范转化为平台内部统一标准协议,标准化 SSE 流式输出,实现模型无缝接入与热插拔;
  • 流量治理与高可用兜底:基于租户 SLA 划分独立 Token 预算池,实施 QPS 与 TPM 双重限流,防止"吵闹的邻居";当首选模型大规模宕机或限流时,按预设灾备策略自动降级切换至备用模型,提升企业核心业务的连续性与稳定性;针对网络瞬断提供指数退避透明重试;
  • 计费核算与效能度量:精准统计每次调用的 Prompt / Completion Tokens,作为多租户账单结算的唯一可信数据源;同时度量上下文压缩等机制的实际 Token 节省效果,为平台 ROI 分析提供数据支撑;
  • 双重视角可观测:租户管理员视角提供 Token 消耗报表、成本分摊看板与调用审计日志;内部研发视角提供 SLA 可用率、TTFT 首字延迟监控与全链路追踪日志(进入网关前的报文已由 Agent 层完成敏感数据脱敏,确保排障日志合规)。

小结

三层 Skill 解决"能力怎么长出来",评测体系解决"长得好不好",可插拔框架解决"能不能接得上",大模型网关解决"跑得稳不稳、算得清不清"。这四件事合在一起,纷享销客AI技术平台 ShareHive 才构成了一个数据驱动的演进飞轮——平台与领域团队可以持续迭代优化 Harness 与 Skill 的效果,而不是每做一次升级都从零开始。

关闭
售后服务

400-1122-778

售后问题转接 2

分享链接已复制,去粘贴发送吧!