zgi

工作流失败后，怎样快速定位？一个工作流没有产出结果时，直接重跑往往只会得到另一个失败。更有效的排查方式，是把问题拆成输入、知识、模型、工具和人工确认五层，逐层确认哪一层出现异常。用 ZGI 管理 Agent Runtime 和工作流时，可以保留每次运行的节点状态，帮助团队定位失败点。

旧模型下线前，客服 Agent 怎么迁移一个已经在线的客服 Agent 仍绑定即将停用的旧模型时，可以按四步迁移：在 ZGI 的“模型渠道”中接入并测试替代模型，先给旧配置跑一份基线，再只修改 Agent 草稿中的模型，用同一批客服问题重新测试，结果通过后创建新的发布版本。

ZGI 文件产物：生成报告后怎样交付企业让智能体生成一份报告，常见的麻烦出现在最后一步：文件确实生成了，却不知道归到哪个任务；链接发给了不该看到的人；流程结束后找不到产物；外部系统只收到一段文字，没有拿到文件。生成动作完成，交付链路仍有几项工作需要安排。

ZGI Agent 发布：配置改了，线上为何还是旧版本Agent 的配置变化要经过保存、测试和发布，线上入口读取的配置范围也需要单独确认。开发者在草稿里改了模型、知识或 Workflow，测试页面可以立即看到变化；已发布入口仍可能继续使用上一版。两边表现不同，并不一定是模型随机性造成的。

ZGI 工作区权限：用户为何看不到资源在 ZGI 中，用户能否看到一项资源，需要经过组织、工作区、成员身份、角色权限和资源范围的连续判断。邀请成功只说明账号进入了某个组织，无法直接证明它已经加入目标工作区，也无法证明当前角色拥有查看或创建对应资源的权限。

ZGI 记忆隔离：多人共用不串号多人共用同一个智能体时，每次记忆读写都要绑定稳定的用户标识，并明确采用账户范围还是终端用户范围。ZGI Agent Memory 会把工作区、Agent、记忆槽、用户范围和用户标识一起作为读写条件。在上游身份映射正确且持续稳定时，不同用户的长期信息会写入不同记录。

ZGI 混合检索：汇集候选并统一重排混合检索把多种检索路径得到的片段汇入同一个候选池，再根据相关性完成筛选和排序。语义检索擅长处理口语和同义表达，关键词与全文检索更容易命中编号、术语和原文短语，图谱检索用于补充实体关系。正确片段没有进入候选池时，应检查检索方法；片段已经出现却排位靠后，再检查重排。

ZGI 运行日志：还原任务与节点状态运行日志需要回答四个问题：哪一次任务出了问题，执行停在哪个节点，该节点收到了什么，随后留下了什么结果。只保存最终报错，团队很难判断问题来自上游输入、当前节点、权限限制还是外部接口。任务级记录用于缩小范围，节点级记录用于重建执行顺序。

ZGI 父子分块：连接检索片段与完整上下文知识库把长文切得太短，定义和适用条件容易落在不同片段；切得太长，候选中会混入大量无关内容。父子分块用两种粒度保存同一份资料：子块负责靠近查询，父块保留更完整的语义范围。检索系统可以先定位短片段，再按父子关系补充上下文。

ZGI Workspace：统一组织 Agent 资源Agent 数量增加后，最先失控的往往是资源关系。同一份制度被复制进多个知识库，同一个工具出现几套参数，模型切换后只有部分流程完成更新。Workspace 用一个明确范围组织 Agent 依赖的模型、知识、数据库、Skills 和 Workflow，并把权限、发布与运行记录接到这套关系上。

ZGI 批量测试：上线前验证 AgentAgent 单次回答正确，只能证明当前输入跑通。上线前还要确认换一种问法、缺少字段、知识更新、工具超时或权限不足时，系统会给出预期结果。批量测试把这些任务保存成可重复运行的样本，每次修改模型、知识、Skill 或 Workflow 后重新执行，比较关键字段和最终状态。

ZGI 模型网关：统一接入与路由大模型企业接入多个大模型后，可以通过模型网关统一管理供应商、访问凭据、默认模型和路由策略。Agent 与 Workflow 调用一个稳定入口，具体使用哪个模型由配置决定。模型发生切换时，还要检查输出结构、工具调用、延迟和失败处理，避免业务流程跟着接口变化反复修改。

ZGI Workflow：让知识检索进入业务流程知识库回答准确，只解决了“找到什么资料”。当企业希望系统继续核对字段、判断条件、发起审批、写入数据或发送通知时，需要把检索结果接入 Workflow。知识提供任务依据，流程负责安排执行顺序、条件分支、人工节点和失败处理。

ZGI：工作流分支失控，先把规则拆出 Prompt工作流分支越来越多，通常说明不同类型的规则被塞进了同一段 Prompt。模型既要理解用户意图，又要记住业务条件、选择工具、判断权限和决定异常处理，任何一条规则变化都可能牵动整段提示词。更稳的做法，是先给规则分类，再放进知识、Skill、Workflow 或人工审批对应的位置。

如何用 ZGI 打造企业级 AI 智能体用 ZGI 打造企业级 AI 智能体，可以从一个边界清楚的业务任务开始，将企业知识、模型、技能（Skills）、工具和工作流（Workflow）放进同一工作区，再补齐权限、审批、运行日志与失败处理。ZGI 提供可自托管的智能体运行时（Agent Runtime），适合把会回答问题的原型整理成能够持续执行、检查和复用的业务应用。

ZGI 企业智能体：从 Demo 到稳定上线ZGI 企业智能体从 Demo 进入生产环境，需要完成一次运行方式的调整。演示阶段通常关注模型能否回答问题，上线后还要管理数据范围、工具权限、任务状态、人工审批和失败记录。ZGI 作为可自托管的智能体运行时（Agent Runtime），可以把 Agent、工作流（Workflow）、知识、技能（Skills）、模型和受控执行放进同一工作区，帮助团队建立可检查的运行链路。

多模型回答不稳定：路由规则与评测方法多模型接入解决了可选模型不足的问题，也带来了回答质量、响应速度和调用成本的波动。稳定路由需要一组真实任务样本，把质量、延迟、失败和成本分开记录，再按任务类型制定规则。仅凭模型榜单或一次体验，很难支撑线上选择。

知识库更新后仍回答旧内容：五层排查指南处理知识库旧内容残留，可以按“资料版本、解析结果、切分片段、检索索引、运行上下文”五层排查。先用一个能够区分新旧版本的真实问题复现，再查看候选片段来自哪份文件。旧片段仍在候选中，继续查入库与索引；候选已经更新，回答仍旧，再查会话上下文和生成环节。

ZGI Skill：从依赖锁定到外部接口升级的兼容治理ZGI Skill 的外部接口兼容治理，可以拆成四个动作，登记依赖、锁定契约、运行回归样本、分阶段切换。Skill 负责保存一类任务怎样完成，外部 API 和工具负责真正执行动作。接口升级后如果请求字段、认证方式、响应结构或限流规则改变，Skill 即使仍能被正确触发，也可能在执行中返回错误结果。

多个部门共用 AI 平台怎么隔离数据？多个部门共用 AI 平台时，数据隔离至少要落到四个边界，身份、知识库、工具凭证和运行产物。只在界面上分出几个工作区不够，平台还要保证一个部门发起的检索、工具调用和任务记录，不能被另一个部门越权读取或复用。最稳妥的做法，是先按数据责任划边界，再决定哪些能力允许共享。