智能体业务流程执行需共享组织记忆

背景

传统业务流程自动化主要依赖基于规则的系统，这类系统难以应对复杂、多变的真实业务场景。近年来，基于大语言模型（LLM）的智能体（agent）为自动化执行流程提供了新的可能性，它们能够理解自然语言指令并灵活调用工具。然而，通用的大语言模型缺乏组织特有的知识——这些知识通常分散在人员导向的文档中，如策略文件、流程模型和标准操作程序（SOP）。虽然可以将这些知识编码到单独的 prompt 或为每个智能体定制的检索设置中，但这种方法在企业中无法扩展：它会形成知识孤岛，导致规则重复，并且难以实现跨智能体的一致更新和跨智能体的学习。因此，需要一个系统性的解决方案来统一管理这类知识。

核心内容

该论文提出为基于智能体的业务流程执行建立一个组织记忆（Organizational Memory）：一个共享、受治理、且能被智能体直接消费的参考层，其中包含不断演化的、组织特有的程序性知识——即工作应该如何被执行。论文首先推导了此类组织记忆应满足的需求，然后设计了一套用于其构建（curation）和消费（consumption）的架构，最后在采购场景的原型系统中验证了该概念的有效性。

具体而言，组织记忆的核心功能包括：

• 共享性：所有智能体从同一个知识源获取规则，避免每个智能体独立维护重复的规则集。
• 治理性：知识的变更需要经过审核和版本控制，确保一致性和合规性。
• 智能体可消费性：知识以结构化或半结构化的形式存储（如规则、约束、流程步骤），方便智能体通过检索或推理直接使用。
• 演化性：组织记忆中的知识会随着业务流程、政策或经验的更新而持续迭代，并支持跨智能体的学习（例如，一个智能体在执行中发现的优化点可以反馈到组织记忆中，供其他智能体参考）。

论文在采购场景中构建了原型，展示了组织记忆如何帮助智能体正确执行跨部门采购流程（如申请审批、预算检查、供应商选择等），相比于 baseline（每个智能体单独配置知识）显著减少了规则冲突和更新延迟问题。

关键要点

• 通用 LLM 智能体缺乏组织特有的程序性知识，现有方案（手动嵌入 prompt 或独立检索系统）会导致知识孤岛和规则重复，难以扩展和维护。
• 组织记忆是一个共享、受治理、且能被智能体直接消费的参考层，包含不断演化的组织特定知识。
• 论文推导了组织记忆应满足的需求，设计了构建与消费的架构，并在采购场景的原型中验证了其有效性。
• 组织记忆支持知识的版本管理、跨智能体的一致更新以及基于执行反馈的持续演化。
• 该概念旨在解决企业级智能体自动化中的知识一致性、可维护性和可扩展性问题。

意义与影响

该工作为基于智能体的业务流程自动化提供了一种新的知识管理范式。首先，它将分散在文档和人员头脑中的组织知识转化为智能体可消费的结构化资源，降低了智能体部署的复杂性。其次，通过引入治理和演化机制，组织记忆使得企业能够像管理软件配置一样管理业务流程规则，确保不同智能体之间的行为一致。第三，该架构天然支持知识的持续改进——当政策变化或发现更优的执行方式时，只需更新组织记忆，所有相关智能体即可同步生效。最后，采购场景的概念验证表明，该方案在真实业务场景中具有可行性，为后续向财务、人力资源、供应链等其他领域推广提供了基础。长远来看，组织记忆有望成为企业级 AI 智能体基础设施的关键组成部分，推动业务流程自动化从“硬编码”迈向“知识驱动的动态执行”。