Agent 平台演进

阶段 0：识别 Demo 债务

先建立 Agent Inventory：业务 Owner、技术 Owner、用户、风险等级、Provider、模型、数据域、Tool、身份、生产流量、成本、SLO、Eval、部署和停用路径。无法回答“哪些 Agent 在生产、谁能停写、哪些数据离开组织”就是首要风险，不应先建可视化编排器。

盘点常见债务：密钥散落与 Provider 直连；Prompt/Tool 复制却无版本和 Owner；没有统一 Run ID、Trace、Eval 与发布门禁；身份在链路中丢失；团队各自实现重试和审批；成本无法归因。按业务影响、发生概率和重复投入排序，形成平台问题基线。

阶段 1：先统一可见性与接入底线

第一层共享能力通常是 AI Gateway、服务身份、密钥托管、租户/团队配额、成本归因与模型访问策略。它不接管业务 Prompt 或 Workflow，只提供可替换 Provider 入口、能力探测、限流、审计和紧急切断。业务应用继续拥有任务终态。

同时统一 Run ID 与最小 Trace 语义，要求 Tool 契约带 Owner、输入 Schema、权限、风险、版本和幂等策略。每个生产 Agent 至少有代表性 Golden Dataset 和发布检查。OpenTelemetry 的通用语义约定适合作为互操作基线，但 GenAI 字段会演进，因此平台记录 SDK/Convention 版本，避免静默改变看板口径。

NIST AI RMF Govern强调责任、清单、持续复审与安全停用。Stage 1 的治理不是审批一切，而是让高风险能力可发现、可归责、可观测和可关闭。

阶段 2：沉淀生产 Runtime 和 Golden Path

只有多个团队重复实现 Run/Step/Attempt、事件流、Deadline、重试、审批、幂等、恢复和对账时，才抽取共享 Runtime。Golden Path 提供 SDK、模板、参考应用、默认仪表盘、Eval/CI 集成、威胁模型与 Runbook，同时允许业务团队替换模型、Context 和领域 Tool。

平台团队与两个代表性业务团队共建，验证迁移成本和开发体验。平台 SLO 覆盖 Gateway、Runtime、Registry 和 Eval 服务；业务 Agent SLO 仍由领域团队负责。模板生成成功不是采用，团队能在较少支持下完成上线、诊断和回滚才是。

阶段 3：形成自助控制面

当资产数量和团队数使人工接入成为瓶颈，建设模型、Tool、Skill、Prompt 与 Agent Registry，提供版本、Owner、风险、依赖、权限和停用状态。自助控制面让团队配置 Eval、灰度、策略、配额与告警，但高风险例外仍需策略审批和到期复审。

多租户控制面与数据面分离，身份与数据域贯穿检索、Tool 和遥测。策略默认拒绝，平台管理员不能天然读取所有业务 Prompt 与 Trace。控制面每次变更可审计、可回滚，并有兼容检查；Registry 不是静态目录，而是部署与运行时真正校验的来源。

阶段 4：按证据扩展高级能力

Durable Execution 用于确有长等待、恢复和跨发布需求；多 Agent 用于责任可分解且独立上下文能降低耦合的任务；跨协议用于真实互操作；高级 RAG 用于基线无法解决的多跳与领域路由。每项高级能力先列瓶颈、替代方案、运营 Owner、故障面和退出条件。

动态路由和成本优化必须同时守住目标质量切片，区域韧性要演练状态、队列与外部副作用恢复。热点不是投资依据。如果一个共享组件只有一个用户、升级频繁破坏业务且支持成本高，应下沉回领域或缩小接口。

迁移现有 Agent 而非只建新平台

按风险、业务价值、技术差异和 Owner 意愿给 Agent 分波。第一波选择 Owner 清晰、只读或低风险、能代表主流技术栈的系统；避免先迁最复杂或最无关紧要的 Demo。迁移前后用相同 Golden Cases、Trace 与成本口径对比。

先通过 Gateway、Adapter 或 Sidecar 接入身份、观测与配额，再迁 Tool 契约、状态、评测和发布流程。兼容窗口同时保留旧路径与回滚，双写或影子流量验证字段与结果。退出条件包括流量切换、SLO 稳定、Runbook 通过、旧密钥撤销、旧路径停用和资产清单更新。

组织能力随平台演进

中央平台团队拥有共享服务、Golden Path、平台 SLO 和开发者体验；领域团队拥有业务任务、数据、Tool、Gold、业务 SLO 与风险接受；安全、数据与法务提供底线和例外机制；Enabling 角色通过共建与培训帮助迁移，而不是永久代运营。

RACI 只在真实决策点使用：谁批准新高风险 Tool，谁决定停写，谁响应 Provider 故障，谁处理越权数据，谁接受残余风险。社区、架构评审与事故复盘传播经验，但敏感内容按最小必要共享。平台团队应通过文档、自动化和自助减少中央工单，而不是成为所有 Agent 的审批瓶颈。

每阶段有继续投资的证据

Scorecard 同时看采用、交付、质量运营和经济性：生产用例与活跃团队，首次上线/变更时间，平台与业务 SLO、事故和恢复，单位成功成本、平台支持负担与团队逃逸原因。所有指标按成熟度和风险切片，不用注册数或 API 调用量冒充价值。

阶段评审有四种决定：继续投资、缩小边界、下沉领域或停止。若团队因平台限制而绕过，先分析是缺能力、体验差、迁移成本高，还是集中化本就不合适。NIST AI RMF 的 Manage 结果包括降低、转移、避免或接受风险，平台路线图同样应允许“不要建设”。

每次阶段复盘保存 ADR、能力地图、迁移清单、SLO、采用访谈和残余风险。不要承诺“全公司统一”，只承诺下一个可验证阶段。