ITR系列 | 服务流全解析：从框架到治理的系统化指南
协助企业从被动维建向自动价值创造转型
2026.05.09
相识详情 >
媒介
当大模型可能回覆问题之后，企业关切的问题起头产生变动：AI能不能进一步参加现实工作？
例如，一名员工提交一张IT服务工单：“系统无法登录，请助我处置。”
若是只是谈天机械人，它能够给出排查建议 ；但若是让AI真正参加处置，就必要进一步获取工单信息、查问知识库和配置数据，凭据了局判断下一步，并在授权领域内挪用企业系统。
这背后，并不只有一个大模型。
从Token→Prompt→Context→Agent→Harness→MCP→Skills，能够把一套Agent系统拆成七个互有关联的技术档次。
急剧成立基础认知
Token是大模型处置文本时使用的离散符号单元，输入、输出和高低文城市涉及Token。它与模型的高低文容量、挪用成本和处置效能有关。
Prompt解决的是“要做什么”。用户指令、系统要求、输出体式和约束前提，都能够成为Prompt的一部门。
Context解决的是“实现工作必要知路什么”。汗青对话、知识库、工单信息、业务数据以及前面步骤产生的了局，都可能成为模型当前工作的高低文。
在此基础上，Agent进一步掌管萦绕指标进行工作规划、工具挪用和多步骤执行。不再只是凭据输入天生一次答案，而是能够凭据执行了局决定下一步。
但问题也随之出现：
若是一个工作必要陆续挪用模型、工具和企业系统，谁来治理整个过程？
这就进入了之后的三个概想。
Harness：Agent若何真正运行？
传统工作流通Ｄ芄辉は热范ǎ
A→B→C→D
而一项复杂Agent工作往往是：
模型判断→挪用工具→获取了局→再次判断→挪用另一个工具→查抄了局→持续执行或实现
模型会参加决策，但并不会自动实现这条齐全的执行链路。它必要表部软件掌管接管模型输出、执行工具挪用、保留工作状态，并把新的了局沉新提供给模型。因而，Harness能够理解为Agent的运行与节造层。
用一句话理解Harness：
Agent掌管决定“下一步做什么”，Harness掌管让这个决定在可控的环境中真正执行下去。
以ITSM工单为例
用户提出：“助我分析这起P1故障。”
Agent判断必要查问汗青故障案例，并提议工具挪用 ；系统获得了局后回传。Agent发现还必要相识当前配置关系，再提议下一次查问。新的了局回来后，Agent持续分析，直到可能形成结论。
在这个过程中，Harness必要持续处置这些执行环节，蕴含工作状态、高低文、工具挪用以及执行过程中的异常和节造前提。
AI不仅必要“答对”，还必要在正确的权限和流程领域内执行。例如：
查问工单与批改环境配置，不是统一风险等级 ；
而征询信息和关关高优先级事务，也不应该占有一样的操作权限。
MCP：Agent若何衔接企业已有的系统？
Agent可能做出判断，但企业的数据和操作能力并不都存在于大模型中：
工单在ITSM系统
配置关系在CMDB
告警在监控平台
知识沉淀在知识库……
若是Agent每衔接一个系统，都选取一套齐全分歧的挪用方式，随着衔接的系统越来越多，集成工作也会越来越复杂。
MCP（Model Context Protocol）是一套盛开尺度，解决的正是这一类衔接问题——让AI利用衔接数据地点的系统以及表部工具。
从Agent到企业系统，一句话理解：
Agent掌管判断必要什么能力→MCP掌管尺度化衔接→企业系统提供现实能力。
例如，Agent判断：
“必要查问这张工单的汗青处置纪录。”
它能够通过MCP衔接对应的ITSM工具，获得查问了局，再把了局交回Agent持续判断。
这也是MCP受到企业AI利用关注的沉要原因之一：当AI必要从“天生内容”进一步进入真实业务环境时，系吐洮接会成为必须解决的问题。
Skills：若何沉淀可复用能力？
有了Agent，有了运行环境，也有了衔接企业系统的方式，还存在一个问题：
面对统一类业务工作，是否每次都要重新起头通知AI应该怎么做？
这就是Skills必要解决的问题。
Skill能够理解为针对某一类工作预先封装的知识、操作方式和工作流程。
我们用Prompt是在通知AI“这一次要做什么” ；Skill则是在沉淀“这一类事件通常应该怎么做”。
例如：一套成熟的故障分析流程，自身就蕴含企业持久堆集的经验和规定。若是把这些内容形成Skill，并叠加使用。每当Agent面对类似工作时，就能够直接挪用相应能力，而不必要每次沉新组织齐全流程。
因而，Skills更靠近业务能力的沉淀层。
回到ITSM
AI从“回覆问题”进入服务流程
这套七层模型齐全描述了现代AI从底层技术到上层利用的全链路。而在ITSM场景中，AI的价值也在逐步进入现实工作过程。
效能提升
AI能够承担大量沉复的信息查问、内容整顿和尺度化处置工作，让服务人员将更多精力放在复杂问题和必要判断的工作上。
服务靠得住性提升
企业将知识、流程和处置经验沉淀为可复用的AI能力后，同类问题能够遵循相对统一的处置逻辑，削减因人员经验差距带来的服务颠簸，也有助于降低操风格险。
矫捷协同
Agent 的工作规划能力、Harness的运行节造能力以及MCP的系吐洮接能力，也能使AI不用局限于单一系统或单一工作，而能够凭据现实业务必要挪用分歧的信息和工具。这为ITSM 中的跨系统协同和服务流程自动化提供基础。
持续优化
倒剽些能力持续堆集后，AI能够参加服务数据分析、问题归因和流程优化，让ITSM不只是“处置已经产生的问题”，也可能基于汗青数据发现法规，让后续服务持续改进。
这也是企业引入AI时必要关注的沉点：不是单一增长一个AI入口，而是让AI能力真正嵌入已有的服务治理系统，并与数据、流程和业务系统形成协同。
对企衣反说，大模型只是AI 能力的一部门。若何让AI理解企业业务、挪用现有系统、遵循服务流程，并在可控领域内实现工作，才是AI真正进入企业IT服务治理场景必要解决的问题。
微信征询
电话征询
SAP副手
Oracle副手
TOP