这两年 AI Agent 火得一塌糊涂。技术大会上 Demo 跑得飞起，台下看得热血沸腾，回去就跟老板汇报：咱们也上 Agent！然后呢？没有然后了。
WAIC 2026 上，一组数据被反复提及：95% 的 AI 项目未能转化为可持续生产能力，68% 的中小企业 AI 项目上线一年内停滞，43% 直接终止，每个失败项目的平均投入高达 189 万元 （数据来源：MIT 2025 年《The GenAI Divide》报告） 。 同期 IDC 数据：90% 的企业 AI POC 无法通过生产验收。
问题出在哪？不是模型不够强。核心短板是上下文治理薄弱和运行时基础设施不匹配------AI 拿不到精准的业务上下文，跑在无状态的基础设施上，容器一重启就丢状态、成本失控。
Zadig 的答案：AI 任务
Zadig v5.0 在工作流任务列表里增加了一个新节点------AI 任务，面向社区免费开放。另外还配了两个开箱即用的企业版专用场景：AI 发布专员和 AI 审查专员。
Zadig 的核心是工作流引擎（代码提交 → 构建 → 测试 → 部署 → 发布）。"AI 任务"就是把 AI 能力做成工作流引擎里的一个普通节点。
配置 AI 任务
从任务栏选择 "AI 任务"节点添加工作流中，点开配置：
- 调用对象：选系统已配置的模型（DeepSeek、GPT 等），或填自定义 Agent 的 HTTP 地址
- 提示词：告诉 AI 要做什么。可插入内置变量（ {{.project}} 、 {{.job.deploy.SERVICES}} 、 {{.job.deploy.envName}} 等等 ），执行时自动替换
- 人工确认：默认开启，指定复核人
执行与结果
详情页展示状态（运行中/成功/失败/等待人工确认）、AI 返回结果、提示词原文。输出结果可通过 {{``job.<``job``Name>.output.result``}}`` 被后续任务引用。
实际场景
场景一：发布前置检查
发布前，SRE 要切四五个系统查日志、看监控、确认依赖状态，查一次 10-15 分钟，不同人标准还不一样。
在部署节点前加一个 AI 任务，提示词写："检查三项：1）最近 1 小时错误日志异常增长；2）待部署服务 {{.``job.deploy.SERVICES``}} 依赖状态；3）数据库迁移状态。"
AI 自动查完汇总，值班人点"通过"或"驳回"。15 分钟变 3 分钟，标准统一了。
场景二：代码审查
GitLab 调研 1528 名开发者，85% 认为 AI 把瓶颈从写代码转移到了审代码。
PR 提交后触发工作流，AI 任务根据审查规则："分析本次变更涉及的服务、配置、数据库改动，列出兼容性风险。" AI 把风险标出来，自动回写到 PR 评论区。审查者从"从头扫一遍"变成"看 AI 标的地方对不对"。
场景三：接入已有的 Agent
如果团队后续基于 DeepSeek Harness 等框架搭建了自己的 Agent，"调用对象"选"自定义 Agent"，填 HTTP 地址就行。工作流运行时调用外部 Agent，传上下文变量，结果可被后续任务引用。已有 Agent 不用重新开发。
这三个场景的共同点是：AI 查全、整理好，人做最终判断。 每次执行都有记录，出问题能倒查。
加入 Zadig AI 进化营
如果你把 Zadig AI 任务玩出了新花样------比如自研智能体场景、结合了更复杂的工具链、或者和现有的 CI 流程做了更深度的集成------欢迎来分享。你的经验，或许正是别人需要的灵感。
👉 扫码加入交流群（备注"AI"），一起探索 AI + Zadig 的无限可能。
