告别Copilot时代，衡石正式发布JARVIS数字员工

过去两年AI 大模型迅速进入企业的各种场景。从代码补全到智能问答从文档生成到数据分析AI 工具不断刷新个人生产效率。但随着实践深入一个现实问题逐渐浮现绝大多数 AI 仍停留在工具阶段能够完成一次对话、生成一段代码却难以真正融入企业研发流程。需求依旧需要人工协调文档仍要反复维护跨团队沟通依然占据大量时间。Copilot 提升了个人效率却没有改变组织的协作方式。7 月 24 日衡石科技举办产品发布会正式发布 HENGSHI JARVIS同步带来 HENGSHI SENSE 6.3、HENGSHI CLI 、HENGSHI BOX 等最新产品。相比模型能力本身这场发布会讨论得更多的是另一件事当 AI 真正进入企业它如何落地生长为组织的一部分。对这个问题的追问和实践也最终让衡石团队的产品视野超越了数据和 BI 的边界从商业智能领域挺进到了更加广阔的组织级决策智能。从辅助工具到数字员工AI 开启主动研发模式发布会上衡石 CEO 刘诚忠分享了团队过去半年的内部实践。在衡石内部JARVIS 已经接入 GitLab、Jira、飞书等研发工具能够围绕工单持续推进任务自主完成需求分析、Bug 修复、代码评审、文档整理等标准化工作并将执行结果同步回研发流程。数月内JARVIS 累计参与两百多个 Bug 修复任务综合处理效率约为高级工程师的3.5倍。相比这组数据更值得关注的是 JARVIS 所代表的工作方式。过去AI 更像是一位随叫随到的助手每一次交互都需要人工发起任务完成后便结束而数字员工则拥有持续工作的能力可以围绕一个目标不断推进在多个系统之间完成信息流转并按照既定流程执行任务。AI 参与的不再只是某一个操作而是研发过程中的一个完整环节。刘诚忠认为企业研发最大的成本并不来自代码编写而是需求同步、版本确认、文档维护、跨团队沟通等大量重复性的组织协作。这些工作标准化程度高却长期消耗研发团队的时间。JARVIS 承担的正是这部分工作而系统架构设计、产品规划、业务决策等需要创造性判断的内容仍然由人负责。数字员工并不是替代工程师而是重新分配人与 AI 各自擅长的工作让团队把更多精力投入创新和设计。企业 AI 真正的门槛不是模型而是 Harness 工程与落地能力如果说数字员工定义了 AI 在组织中的角色那么真正决定它能否落地的则是背后的工程体系。刘诚忠在分享中还指出目前很多企业 Agent 能够完成演示却难以进入生产环境原因并非模型能力不足而是缺少权限管理、过程审计、知识沉淀和持续运行等企业级能力。对于企业而言AI 不仅要会回答更要可管理、可验证、可追溯。围绕这个目标衡石构建了 JARVIS-BOX 运行架构。企业知识不再依赖通用知识库而是持续索引代码、工单、设计文档和评审记录形成企业专属知识体系数字员工运行在独立沙箱环境中拥有明确权限可以暂停、恢复和重新执行任务Bug 修复、指标开发、需求梳理等高频工作被封装为标准技能按需调用而非依赖复杂提示词所有执行过程都会保留完整记录实现代码、数据和操作全过程可追溯人工评审结果和线上反馈则不断回流知识体系使数字员工持续积累企业经验。让AI在组织内通行无阻HENGSHI CLI 打通工具执行链路与 JARVIS 同步发布的 HENGSHI SENSE 6.3进一步完善了数字员工所依赖的数据底座。本次升级最大的变化是推出 HENGSHI CLI。衡石科技首席数据科学家陈家耀认为自然语言交互虽然降低了使用门槛但在企业级场景中复杂任务往往涉及多个 Agent 协同工作仅依赖对话容易产生语义偏差增加模型推理成本也会影响执行结果的一致性。为此衡石将数据建模、指标管理、数据集创建、报表生成、权限管理等核心能力封装为标准化的 HENGSHI CLI 命令体系将原本依赖自然语言理解的能力调用转化为确定性的命令执行。对于上层 Agent 而言只需负责理解业务需求、规划任务流程底层则通过 CLI 完成标准化调用和结果返回实现规划与执行的解耦。这种设计不仅提升了多 Agent 协同效率也让数字员工能够更稳定地接入企业现有研发和数据平台为自动化交付提供统一、可靠的能力接口。组织级 AI 的底座五层架构与 HENGSHI BOX为了让数字员工真正进入企业生产环境衡石围绕知识、执行、安全和反馈构建了一套完整的五层架构。企业认知层持续索引代码、工单、设计文档等内部资产帮助数字员工形成企业专属知识而非依赖通用知识库隔离运行层通过独立沙箱和权限控制保障任务安全执行技能执行层将需求分析、指标开发、代码修复等高频工作封装为标准化技能实现按需调用治理审计层对任务执行、代码修改和数据访问进行全流程记录确保每一次操作都可追溯、可审计反馈迭代层则持续吸收人工评审结果和线上运行反馈不断完善知识体系和执行策略使数字员工能够随着业务演进持续学习和优化。支撑这套架构落地的是衡石同步推出的 HENGSHI BOX。它并非传统意义上的硬件设备而是面向企业数字员工打造的一体化运行平台集成模型管理、知识管理、任务调度、运行环境和安全治理等核心能力为 JARVIS 提供稳定、可控的运行环境。企业无需重新搭建复杂的 AI 基础设施即可将数字员工快速接入现有研发、数据和办公系统在统一的权限体系下完成模型部署、知识沉淀、技能执行和运行监控。通过 HENGSHI BOX、HENGSHI SENSE、HENGSHI CLI 与 JARVIS 的协同衡石构建起覆盖数据底座、运行平台和数字员工应用的完整产品体系为企业提供了一套可持续演进的 Agentic BI 基础设施。产品资产也可以交给数字员工持续维护和精进除了研发流程发布会还展示了数字员工在产品管理中的另一项实践。很多企业在长期发展过程中都会遇到产品资产分散的问题代码、文档、客户项目和历史经验彼此割裂售前、研发和交付往往依据不同的信息开展工作随着版本不断演进产品能力边界越来越难梳理。AI 先锋社区「Agents特区」发起人「瑞典马工」马驰针对这一问题利用 HENGSHI JARVIS 提出了一套逆向产品规格方法。数字员工首先从代码、历史需求、产品文档和客户项目中自动提取信息建立功能切片再结合用户旅程进行一致性校验最后由产品负责人完成业务裁决。大量检索、比对和整理工作交给数字员工完成人工负责最终确认形成一套能够持续更新的产品规格体系。相比一次性的文档整理这种方式更接近持续维护企业知识资产也让售前、研发和交付能够基于统一的信息开展协作。FDE 资深专家马驰本活动特邀嘉宾AI 技术观察者、独立开发者长期关注大模型、Agent、AI 编程与企业智能化应用。持续分享 AI 产品实践、开发经验及行业趋势致力于探索 AI 在研发组织、企业软件和数字化转型中的实际落地。AI 落地的本质是重新设计组织运行流程衡石此次发布的 JARVIS、HENGSHI SENSE 6.3、HENGSHI BOX 和 HENGSHI CLI并不是彼此独立的产品而是一套围绕数字员工构建的企业级能力体系。从数据底座、运行平台到标准化执行能力再到数字员工应用衡石试图回答的是一个更长期的问题当 AI 成为企业的一部分组织该如何重新协作。或许企业 AI 的下一阶段不是谁拥有更大的模型而是谁能够让 AI 真正进入业务、融入流程并在真实工作中持续创造价值。