---
source_url: https://unknown/skillsui-enterprise-agent-middle-layer
tags: [article]
ingested: 2026-05-01
sha256: a586c0fd823142cd8cdb46346e1c5e1c99142f2e0a0c13dcd56e91cd62b354ba
---
# SkillsUI 企业 Agent 中间层

**来源:** CSDN（转载）
**日期:** 2026年5月
**链接:** https://mp.weixin.qq.com/s/EWMXRtQxr6WBFSOu9OnkNA

## Overview

SkillsUI 是兔展智能推出的企业 Agent 平台，定位为"企业 Agent 最后一公里"——解决 function calling/MCP 等底层协议到企业存量系统之间的工程层缺口。

官网：https://skillsui.rabbitpre.com.cn/?c=csdn

## 背景问题：function calling 和 MCP 解决不了的那段路

企业 AI 落地四大共同问题：

1. **企业 API 是给人写的，不是给 AI 写的** — 参数命名混乱，文档残缺，直接喂给 LLM 做 function calling，成功率经常不到 50%
2. **人必须被留下来** — 金额确认、合同签字、对外发送指令等节点不能让 Agent 自行拍板，但社区大部分框架对 Human-in-the-Loop 处理潦草
3. **纯文本对话承载不了企业级交互** — 聊天框里"敲十行字描述一个表单字段"体验极差
4. **跨端续办的状态一致性没人管** — 手机发起、PC 接续、大屏确认，但 session 状态序列化、上下文续传、节点同步没有标准答案

## 三层架构

### 1. Agent 调度层：Planning 和 Skill 编排彻底分开

Agent 调度层只做三件事：
1. **意图识别** — 把用户自然语言映射到一个或多个 Skill
2. **任务规划** — 决定 Skill 执行顺序，处理依赖关系
3. **多轮 slot filling** — 缺参数主动问询，不盲目猜测

业务规则、异常处理、人机协同节点全部下沉到 Skill 层。Agent 调度层不感知 Skill 实现细节，只感知输入输出 schema。

### 2. Skill 层：原子能力的"可执行规范"

企业级 Skill 包含五样东西：
- 输入参数规范
- 业务规则
- 多系统调度链路
- 异常处理
- 人机协同节点

**核心理念：** LLM 只负责选用哪个 Skill 和填什么参数，剩下的全部由 Skill 自己保证。

Skill 可以 MCP 协议对外暴露，但设计规范比 MCP 更丰富。

### 3. AIUI 层：卡片化交互（非聊天框）

企业级 AI 入口不该是聊天框。四类卡片：
- **输入采集卡** — 替代纯文本提问，让用户在卡片上选参数、填字段、上传文件
- **进度卡** — 跨系统调用过程的实时阶段提示（流式 + step 级别）
- **结果回显卡** — 把业务数据以表格、指标、决策矩阵形式可视化呈现
- **关键节点确认卡** — 金额、合同、签字等节点的"一键确认"

跨端续办三大工程问题：
1. **Session 状态序列化** — 业务上下文 + 当前节点 + 已填字段，必须能跨端恢复
2. **节点幂等性** — 同一节点被两端同时操作时，必须有版本号/乐观锁防止脏写
3. **实时同步** — 用 WebSocket/SSE 推送状态变更

## 接入工程

### 路径一：OpenAPI/Swagger 半自动生成

1. 解析 OpenAPI 文档，提取接口语义、入参出参、错误码
2. 用 LLM 做语义增强 — 把 `flag1: int` 翻译成"是否需要风控审批"这种 AI 可读描述
3. 生成 Skill 骨架，自带参数校验、重试、错误处理
4. 在可视化面板上人工微调

真实工程量：中等复杂度 Skill 从 API 文档到生产可用，通常 0.5–2 个工作日。

### 路径二：业务嗅探（老旧系统）

针对没有 OpenAPI 文档的系统（政务、金融、医疗）：
1. 在企业授权下，挂在系统网关层做流量观测
2. 用模型反推接口语义和数据结构
3. 半自动生成 Skill，工程师复核

## 四大工程决策

### 决策 1：80/20 原则 — AI 不替人做关键决策

所有涉及金额、合同、对外发送、设备指令的节点，AI 只完成"准备工作"，最终一键由人确认。在 Skill schema 里是一等公民，不是后加的功能。

### 决策 2：复用原系统权限边界

SkillsUI 调用任何系统时使用当前用户在原系统里的权限，不会越权、不会绕过审批。避免"Agent 拿超级账号办所有人的事"这个危险反模式。

### 决策 3：全链路 tracing 和审计日志

每一次 Skill 调用——谁、什么时候、调用了什么、传了什么参数、收到什么结果——全部进审计日志。对工程团队而言是 debug 出错 Agent 的唯一抓手。

### 决策 4：Skill 版本控制和灰度发布

Skill 当作有版本的 artifact 管理，支持灰度发布、回滚、多版本并存。

## 在行业生态里的位置

SkillsUI 不和模型层、协议层、编排层竞争——它依赖这些底层能力，解决上层的应用/中间层问题：把企业存量系统能力重新组织成 AI 可以稳定调用、用户可以一句话办成的 Skill 资产。

## 留给同行的问题

- API 是不是 AI 可读的？
- 业务流程有没有显式 HITL 节点？
- session 状态能不能跨端续办？
- Agent 调用有没有完整 tracing？

> "这一层早晚要有人做。不一定是 SkillsUI，但一定是一层中间层。"