以可信數據底座、可執行 Skills 和 FDE 交付，連接數據準備、業務執行與結果驗證
上海2026年8月3日 /美通社/ -- ThinkingAI 旗下企業級 AI Agent 平臺 Agentic Engine，正圍繞"可驗證的增長閉環"推進生產落地。平臺連接數據準備、目標人群識別、策略執行、實驗觀察和結果回傳，讓 Agent 不只完成單個任務，而是連續跑完一輪業務閉環。
ThinkingAI 聯合創始人兼 CTO 周津表示："生產級 Agent 的分水嶺，不在于能不能生成，而在于結果能否被驗證、能力能否被度量，以及能否從生產運行中持續學習。"
Agentic Engine 是 ThinkingAI 面向 Agent 時代的產品升級形態，延續 ThinkingAI 十年積累的數據能力，并將業務口徑、行業方法和執行流程轉化為 Agent 可以調用的知識與 Skills。平臺支持私有化部署，企業可以在自己的數據、權限和治理體系內使用 Agent。
Agentic Engine 通過 ae-cli、Skills 與開放接口，讓不同 Agent 入口復用同一套企業數據和知識底座。
Agent 已經能做事，Agentic Engine 要解決的是怎樣把事情做完
越來越多企業已經把 Agent 用于內容生成、數據分析和任務執行，但這些能力往往分散在單個環節。一次分析結束后，后續策略仍要由不同團隊重新理解、重新配置；一次動作執行完成后，結果也未必能夠回到最初的問題中。
Agentic Engine 將原本分散在運營、數據、產品和開發之間的工作重新連接起來。在一條增長鏈路中，人保留圈誰、發什么、看效果三次關鍵判斷；數據處理、口徑統一、人群生成、分流配置、動作執行、持續觀察和結果回傳，則由 Agent 連續完成。
周津將這種分工概括為："Agent 負責把事情做完，人負責決定這件事算不算數。"目標是否合理、結果是否可信、策略是否值得繼續，仍然由人判斷。人在證據上確認之前，Agent 不會把結果自動帶入下一輪。
人在目標與結果上做判斷，Agent 接住中間的連續執行。
結果可以展開、復核，Agent 的能力才能被度量
Agent 進入生產，首先需要可信的數據和知識底座。上游的數據一旦出錯，后面圈選的人群、執行的動作和看到的結果都會隨之偏離。Agentic Engine 從埋點方案、代碼埋點和數據驗收開始，為后續執行提供一致的數據基礎。
在業務知識層，平臺統一"怎么算"和"誰與誰有關"。指標、維度、篩選規則和權限經過人工審核與版本管理后，才會交給 Agent 使用。這樣，同一個業務問題不會因為入口或執行者不同而得到兩套口徑。
可治理的知識底座同時回答“怎么算”和“誰與誰有關”，并通過人工審核和版本管理進入 Agent 工作流。
Agent 返回結果時，會同時帶回計算公式、口徑版本、數據來源和任務記錄。業務人員可以逐層展開證據，并在相同條件下重新計算。結果能夠被復核，Agent 在具體業務鏈路中的表現才有明確的度量依據。
平臺也將 AB 實驗和假設驗證納入完整工作流。人提出假設并確認是否執行，Agent 完成分流、運行和持續觀察，最終仍由人判定結果。被確認的結果進入下一輪策略，反復出現的方法則沉淀為新的 Skills 和產品能力。
把業務方法寫成 Skills，讓不同 Agent 入口復用同一套能力
文檔可以說明方法，但 Agent 要真正執行，還需要清楚的輸入、步驟、權限、輸出和驗收條件。Agentic Engine 將反復出現的業務方法沉淀為 Skills，讓人能夠檢查執行過程，也能按統一標準驗收結果。
以目標人群識別為例，Skill 接收業務口徑和行為數據，輸出可以復用的人群包，驗收條件是名單可解釋。每個人為什么被選中、使用了哪個口徑，都能被查清。相同的方法還可以應用到埋點生成、數據驗收、策略執行和效果評估等環節。
在使用入口上，Agentic Engine 通過 ae-cli、開放 MCP 接口和統一調用通道，連接 Cursor、Claude Code、Codex 等常用 Agent 工具。入口可以更換，底層的數據、知識和 Skills 不需要隨之重建。
平臺可以同時接入應用內用戶行為數據、市場及渠道等外部觸點數據，以及企業的文檔和業務記錄。企業由此保留自己的數據與知識資產，并在權限邊界內供不同 Agent 調用。
用 FDE 接進生產，再把共性問題沉淀回產品
為了讓平臺能力進入客戶的真實業務流程，ThinkingAI 采用 FDE（Forward Deployed Engineer）方式，先明確業務問題和成功標準，再接通數據、權限與業務系統，并用業務指標共同驗收。
ThinkingAI 對 FDE 交付只看兩件事：客戶的業務指標有沒有變化，產品里多了什么。第一次遇到的問題可以通過交付解決；反復出現的共性問題，則應繼續沉淀為場景方法、Skills 和底層產品能力。
這構成了 Agentic Engine 的雙向閉環：企業將經過驗證的結果用于調整下一輪策略，ThinkingAI 將反復出現的共性經驗沉淀為下一批能力。所謂增長自進化，不是模型自行改變，而是每一輪行動都能驗證，每一次驗證都能留下可復用的結果。
經核驗的結果一端進入企業下一輪策略，另一端沉淀為新的場景方法、Skills 和產品能力。
