把 AI 从“会用”，变成“能交付”。

岗位是长期资产，模型只是可替换的任职者。档案必须跨模型版本保留招聘、训练、绩效、事故、成本和迁移历史。

Identity

Employee ID、名称、部门、岗位、Human Manager、A-Level 与状态。

Technology

Provider、模型、版本、运行载体、Agent Framework 与备选方案。

Job Assets

JD、System Prompt、Context、SOP、Skills、Knowledge、Tools 与 Permissions。

Recruitment

候选方案、Benchmark、评分卡、选择理由和 Offer / 预算记录。

Onboarding

入职清单、开始日期、试用计划、审批和回滚方案。

Performance

KPI、任务量、质量、业务结果、人工介入、成本和 Review 历史。

Training

训练方法、版本变化、Eval、Regression Test 与能力升级记录。

Risk

错误、事故、越权、隐私、安全、PIP 和根因分析。

Finance

订阅、API、Token、算力、维护、人工审核和 Total Cost of Ownership。

Lifecycle

招聘、转正、晋升、调岗、降级、暂停、替换、离职与归档。

不按“模型看起来多聪明”评分。质量和业务结果占 55%，其余分数用于约束可靠性、成本、安全和真实使用体验。

事故级别越高，处置越从“记录并训练”转向“限制权限、人工接管、根因分析和暂停岗位”。

1. SEV-0无实际影响

   记录即可，用于改进数据集和提示。

2. SEV-1轻微错误

   可快速修复，不影响关键业务结果。

3. SEV-2业务返工

   触发复盘，补充测试与防错规则。

4. SEV-3影响客户、收入或重要数据

   立即限制自主权限，Human Owner 介入并完成根因分析。

5. SEV-4重大安全、法律、财务或品牌事故

   暂停相关 AI Worker，回收权限并启动正式事故流程。

新模型不能直接全量接管。它必须用同一 Benchmark 证明优势，再经过 Shadow、Canary、迁移和旧方案离职。

1. 01发现候选

   新模型、Provider、Prompt 或架构进入同一岗位候选池。

2. 02同一 Benchmark

   使用相同 Case、Rubric、成本口径和风险门槛比较。

3. 03Shadow

   新旧方案并行运行，不影响真实生产。

4. 04Canary

   只承接低风险、少量真实流量并监控回归。

5. 05Migration

   逐步扩大流量，完成权限、知识和日志迁移。

6. 06Offboarding

   旧方案回收权限、归档资产，并保留可恢复路径。

所有 AI 都应该可替换、可降级、可关闭、可恢复；自主权不得超过组织的可观测性和治理能力。