推理,提出行动。
理解目标、选择路径、分解任务、评价结果。把不确定的问题,转为下一步可执行的判断。
ID Axis · 多智能体推理
在企业内部,让 AI 发挥作用。
把 AI 能力,接入产品与业务。
从接口调用到工具连接,了解 AI 能力的接入方式。
关注大模型、基础框架,以及让智能持续运行的工程方法。
围绕产品、技术与交付,探索共同服务客户的方式。
面向开发者的框架、工具与示例,让技术可以被理解和复用。
来自壹典的动态、技术思考与产业观察。
关注教育、人才与知识分享,记录我们长期投入的方向。
ID Axis 集成
从一次模型推理,到一项持续推进的业务任务。
以 ID Axis 组织推理与协作,将工具、上下文和执行状态接入你的工作流。让任务可以被观察、接续,也能在关键动作前停下来。
看一项任务如何完成从推理,到执行
模型负责理解和判断。真实业务还需要工具调度、状态保存、权限约束与结果确认。ID Axis 连接这两种工作。
理解目标、选择路径、分解任务、评价结果。把不确定的问题,转为下一步可执行的判断。
ID Axis · 多智能体推理校验调用、落实授权、记录状态、处理故障。让一次工具调用成为有输入、有回执、可跟进的业务动作。
ID Axis · 任务执行与编排一项任务的完整过程
以设备维护分析为例。切换不同情境,查看任务如何形成结果、如何从中断中恢复,以及何时需要人工确认。
为本周的设备异常生成一份维护建议。只读取授权工单,保留原始记录,结果先作为草稿。
壹典自研多智能体推理与自动执行框架
让协作产生判断,让执行承接判断。
任务目标、业务约束、历史状态与授权范围,组成执行的共同参照。长任务需要可持久化的上下文,而不只是一段聊天记录。
ID Axis 统一组织目标分解、角色协作与结果复核,并通过自身运行时将判断转为可调度、可恢复的执行步骤。
每项能力明确输入结构、输出结构、权限与副作用。模型可以提出调用,实际执行仍由契约校验和业务规则约束。
将运行、等待、失败、恢复与完成作为明确状态,保留事件与产物引用,让上层业务可以持续感知任务进度。
集成架构与流程示意;具体能力、运行策略和部署边界随接入方案确认。
持续执行与恢复
长任务可能跨越服务重启、工具故障和人工等待。把必要状态保存在执行边界上,才能判断从哪里继续,以及哪些动作不该重复。
大文件与业务产物按引用管理。模型返回、工具回执和确认记录需要分别保存;恢复时不重新猜测历史。
任务标识关联上下文、已完成步骤与产物位置。对必要数据做持久化,同时控制敏感字段、保留期限和访问权限。
恢复使用已记录的结果与事件,区分已完成、未执行和结果未知的调用。非确定性操作需记录结果,不能把恢复等同于全部重跑。
请求超时并不代表业务动作没有发生。对于状态未知的写入,先查询回执或按幂等契约核对,再决定重试、等待或人工处理。
执行治理
控制不应只写在提示词里。将权限、确认、执行预算与故障策略放进运行规则,让它们在真正调用工具时生效。
区分临时故障、权限错误与不可重试失败。退避、重试上限与任务预算共同限制执行,避免将失败放大成重复请求。
可重试分类 · 退避 · 次数上限为同一业务动作保留稳定标识,并结合目标服务的去重与回执查询。执行历史可恢复,不等于外部写入天然只发生一次。
操作标识 · 目标去重 · 回执核对超时和取消进入明确状态,释放相关资源并记录已完成动作。已生效的外部变更,需要业务补偿策略,不假设自动回滚。
超时预算 · 协作取消 · 补偿策略发送、发布、写入等有明确业务影响的动作,应呈现具体对象与变更内容,再按授权策略执行。已经授权的常规操作持续推进;权限或内容变化时,重新校验确认边界。
保存可解释的执行摘要与工具证据,不依赖暴露模型内部思维过程。