网络工程领域有一个影响了十几年的架构决策：把转发和控制分开。交换机上只留转发逻辑，路由策略集中到控制器上计算，两者各司其职。后来云计算把同样的思路搬进数据中心，调度器决定容器落在哪台机器，机器只管执行。两次分离带来的好处一致：执行层保持简单高效，策略层集中演进。企业里的 Agent 队伍，现在长到了需要同样一刀的规模。
多数企业的 Agent 建设卡在同一个状态：模型是大脑，技能是经验，执行靠各个 Agent 自己连系统。跑单帮的助手越配越多，但谁能做什么、正在做什么、怎么配合，没有人说得清。向量空间JBoltAI 在企业项目里看到的共同缺项，不是更聪明的模型，而是把管理动作从每个 Agent 身上抽出来、集中到一处的那一层。
三个平面，各管一段
把企业 Agent 的完整运行图景摊开，可以拆成三个平面。
|------|--------|--------------------------|
| 平面 | 位置 | 装的东西 |
| 资源平面 | 被调用的一侧 | ERP、CRM、MES、数据湖的接口与数据 |
| 执行平面 | 干活的一侧 | 员工手边的 Agent 自主运行，各有记忆和技能 |
| 控制平面 | 管事的一侧 | Agent OS：策略、观测、编排、技能治理 |
资源平面是被调用的一方，接口、数据、权限原点都在这里。执行平面是干活的一方，查库存的、写周报的、对账的 Agent 就地运行，各自带着各自的记忆和技能。控制平面不直接干活，向量空间JBoltAI 把它单独做成 Agent OS 这个层次，管的是执行平面上的 Agent：能做什么、做得怎么样、怎么配合。
控制平面干的四件事
用控制系统的语言讲，控制平面做的是策略下发和状态回流，展开是四件事。
策略下发。授权定义跟着角色走，权限拆到系统能不能进、数据范围能看多大、操作级别能读还是能写。策略在控制平面改一次，全量 Agent 随即生效，不需要挨个助手重新配。向量空间JBoltAI 的做法里，人员变动、岗位调整都只动角色定义，执行平面无感知。
状态回流。每个 Agent 的每次调用、每个动作、每个结果回传成日志，控制平面据此看到全局。回流的价值在事后追溯：出了问题，动作链和责任链能从日志里完整拼出来。
协作调度。真实业务是链条，销售预测的 Agent 出结果，交给排产 Agent 评估，再交给采购 Agent 拆需求。控制平面负责把链条定义出来、把任务分配下去，主 Agent 拆子任务的场景也在这一层登记。
技能进化。这是最容易被忽略的一件。一个团队教会了 Agent 一套处理退货的规则，控制平面把它登记成技能，别的团队的 Agent 可以直接复用。向量空间JBoltAI 把这叫教一个、会一片，组织里散落的经验由此变成可检索、可共享的资产。
分离的边界在哪里
控制平面不能成为性能瓶颈。如果每个 Agent 每次调用都要先过控制平面审批，执行效率会被拖垮。工程上的做法是把授权校验放在会话建立时，一次校验、会话内放行，控制平面只接收异步的状态上报。向量空间JBoltAI 在设计这一层时把实时性留给了执行平面，控制平面管的是准入和事后，不管途中的每一脚油门。
本地自治与统一管控的度要划清。控制平面不可用时，只读类 Agent 可以继续跑，涉及写操作的要熔断等待。这条边界每个企业按自己的风险偏好划，没有标准答案，但必须有答案，否则一次网络抖动就会演变成一场数据事故。
别把控制平面建成第二个 OA。治理的目标是让 Agent 放心地多起来。如果每个新 Agent 上线都要走一轮冗长的人工审批，组织会绕开它回到影子状态，治理平台反而成了失控的加速器。审批只该卡在写权限和高危操作上，其余交给登记和观测。
老板视角：AI 转型驾驶舱
三个平面上跑的事，管理层需要一个看得见的窗口。AI 转型驾驶舱就是这个窗口的具象化：在册 Agent 数量、调用频次、异常动作、技能复用排行，像生产看板一样摆出来。向量空间JBoltAI 把驾驶舱作为控制平面的默认出口，老板不关心编排细节，关心的是 AI 每天在替公司干什么、干得安不安全。这个问题靠各部门口头汇报拼不出来，只能靠控制平面的回流数据。
控制平面最终会长成什么
行业还没定论。一种走向是独立的 Agent OS 中枢，另一种是并入现有的身份与网关体系，把 Agent 当成一种新的接入主体来管。两条路线背后是同一个判断：Agent 的管控不会长期停留在每个助手自己的设置页里。向量空间JBoltAI 选了前一条路，理由在于治理对象不只是权限，还有技能和协作------这两样东西，传统身份体系装得下权限，装不下它们。