Intuit GenOS：统一平台如何接住业务团队真正要交付的代理

企业做出多个 AI 演示后，常出现另一种瓶颈：每个团队都在重复接模型、处理数据、搭评价、接安全检查；业务能力却仍难组合。把这些工具放进同一个页面，也未必改变交付方式。

Intuit 的 GenOS 公开实践，把平台责任放在“开发成果如何进入受控运行”上：业务团队提供领域内容与能力，平台提供开发、注册、执行、交互和评价的共同路径。它也经历过过于僵硬的接口和审批流程，说明统一并不意味着每一步都要中央批准。Intuit 工程负责人公开演讲

固定公共控制，给业务能力留接口

Intuit 把技术选择划成 fixed、flexible、free：固定的是不应每个团队重复解决的平台关注点；可选的是与公共约束兼容的有限方案；探索区允许试验尚未收敛的技术。它不是一份永远不变的产品清单。

公开演讲介绍，平台沿用已有身份、数据和 AI 能力，再增强它们以支持代理。业务团队可以把领域 API 注册为工具、把知识系统接入检索、把数据源接入平台，并扩展业务所需的检查与指标。公共平台减少重复，业务团队仍负责专业含义。

这条边界比“所有团队必须用同一个代理框架”更具体：账户和交易的业务语义不会因为接上统一接口自动正确；平台的安全控制也不该因业务团队换了模型就被绕过。能否扩展与不能绕过什么，需要分别定义。

从工作台到注册表，再到运行时

GenOS 的开发工作台提供提示词管理、评价、优化、标注和追踪等能力，开发成果进入注册表，运行时再激活使用。公开介绍包括用例、提示词、代理和工具注册表。

注册表在这里不是一个仅供浏览的目录。它连接开发与执行：运行时需要知道使用什么资产，观测也需要知道请求对应什么用例。公开材料没有披露每一种对象的完整版本字段、发布状态或回滚 API。

领域 API 由能力团队提供，进入工具注册表；演讲描述通过 MCP 激活工具，以及支持多代理协作。协议让调用形式更统一，但不替业务接口定义授权、参数含义和副作用责任。没有这些说明，接口“可被调用”仍不等于“适合交给模型调用”。

GenRuntime 连接代理、工具、数据与模型服务。模型接口中内嵌安全等控制，目的是让控制位于实际调用路径，而非只在开发阶段检查一次。这里有清楚的工程取舍：越多公共能力由平台承接，业务团队越少重复；同时平台必须避免让特殊领域需求只能绕路实现。

可横向查看，点击打开原尺寸 ↗

图依据公开演讲重构，不使用旧内部标记资料；注册资产与调用路径的关系有来源支持，具体接口和完整依赖未披露。

公开演讲问答还明确了当时的执行控制：现行代理都保留人工介入；人批准接下来的行动后，代理才执行，人也可以取消。它不是完全无人的自主流程。这个说明限定于演讲时点和总体运行方式，不能推出每条税法回答都有某种固定审批。图中的注册与激活只是能力路径，不是自动获得执行许可。

提示词有生命周期，因为修改者并不都写代码

演讲给出的实际协作问题是：营销等人员可能起草提示词，科学家优化，工程师接入应用。如果提示词只埋在代码里，协作、版本与观测会变得困难。

GenOS 把提示词作为独立管理对象，提供模板、版本、评价和优化。重要的并不是“多一个提示词编辑器”，而是让修改可以与评价结果、运行使用对应起来。更换模型时，原提示词也可能需要重写和重新优化，不能把接口兼容误认为行为等价。

这意味着模型迁移有两层检查：调用层能否接通；原有任务表现是否仍可接受。第二层需要真实业务评价。公开资料没有披露完整模板、自动优化算法或所有审批条件，本文不提供看似可直接复制的合成配置。

知识检索被拆成入库与回答两段

公开演讲明确描述两条路径：入库时业务团队提供内容，平台支持选择分块策略、生成向量并建立索引；查询时对问题做表示、检索相关片段，再用业务提示词生成回答。

这个拆分把两种错误分开了。回答缺少事实，可能是入库内容没有覆盖、分块丢掉上下文，或检索没有选中；也可能材料已到模型面前，生成仍理解错误。只评价最终文本，难以决定应改知识处理还是提示词。

平台提供自助管道，减少每个团队从头搭建，但仍需要业务团队判断什么内容可用、是否最新，以及什么才是正确回答。公开信息没有给出通用分块长度、模型、排名公式或知识更新 SLA；它们应按应用而定，不能从架构图推算参数。

评价要看到决策轨迹，而不仅是最后一句话

Intuit 工程负责人列举了代理常见失败：重复步骤、忘记角色、没有澄清歧义、偏离目标、过早结束或无法结束。演讲中的旅行例子用于教学解释错误定位，不是 Intuit 产品事故。

当任务由模型决定调用什么工具、使用哪些参数、如何理解返回时，最终输出错误只是结果。追踪应能定位到决策点，再用领域真值或经过校准的评价器判断。否则开发者只知道“没有完成”，不知道是工具选择、参数、检索还是回答出了问题。

GenOS 的评价管道支持定义指标、收集数据、计算结果并生成报告，线上继续监测。它还提供标注、评价追踪、端到端轨迹和检查测试等开发支持。评价集必须随真实使用中的新失败更新，不是上线前通过一次就永久有效。

这种机制可以减少重复劳动，却不能消除领域专家的工作。财税任务中的正确性标准需要专业判断；模型裁判本身也必须被检验。公开材料并未给出统一的放行阈值。

Starter Kit 解决的是装配成本，不是替业务完成验证

公开资料介绍的 Agent Starter Kit 把默认配置、开发与发布路径、追踪、离线评价、注册及集成打包，让开发者不用逐一拼装平台能力。官方曾报告内部活动中超过 900 次下载、超过 100 个演示；这是采用与试验信号，不代表这些演示全部成为生产系统。2025 年官方能力发布

这项工具的作用应这样衡量：接入公共能力需要多少重复配置，默认路径能否留下必要追踪，业务团队是否更快开始验证核心假设。不能只用下载数证明业务收益，也不能因为有参考实现就跳过正式评审。

官方发布同时把领域数据、预测推荐能力与交互组件连接起来，展示产品行动能力。TurboTax 等专业场景仍保留专家复核；平台能力不等于所有任务都已实现无人负责的自主执行。

平台也必须修正自己的失败

公开演讲承认，早期隔离严格、接口僵硬，限制了团队试验；全面审查可能持续数周，最后才发现客户不喜欢想法。后来流程按成熟阶段区分：早期探索与扩大生产采用不同审查强度，并允许在一定边界内探索平台尚未覆盖的方向。

这是此案例容易被产品名词掩盖的经验。统一平台若只提高进入门槛，会把风险检查放在尚无价值证据的想法之前；若完全放任，又会让每个团队重复处理安全与数据。Intuit 的公开做法是同时维护公共路径、实验空间与清晰升级机制，而不是一次性确定所有答案。

具体组织安排也有责任人：高层支持统一平台，跨团队协作配合明确决策与升级论坛，工程与法律、安全、隐私、合规共同参与。这些不是可有可无的宣传背景，因为谁能决定例外、谁维护公共能力，直接影响平台是否会被绕开。

评审一个接入项目，沿资产链问到底

从一项真实领域能力出发，检查它如何注册、带着什么权限被调用、使用哪个提示词和知识版本、在哪些决策点留追踪、以什么业务标准放行、失败后由谁处理。

若这些关系还需要跨多个团队口头确认，优先补齐共同路径；若所有探索都必须先经过完整生产审批，检查是否把学习成本变成了进入门槛。GenOS 的可借鉴之处，是把平台统一落实为可使用的资产与责任接口，同时承认这种路径也需要持续修正。