理论与框架
理解一个复杂系统，需要知道什么，才能判断下一步怎么做？
这里是 Rikka Chen 的个人站 · 独立研究者、企业数字化与 AI 落地顾问了解我
从真实世界出发，重构业务、系统与智能
持续更新中
这个体系仍在持续更新中。
信息密度较高，不必顺序阅读；可以从感兴趣的板块进入，部分概念也会随着实践持续修订。
智能与环境，需要共同设计、协同演化。
智能系统能完成什么，取决于自身能力，也取决于它工作的环境。我的研究与实践围绕两者的关系展开：如何构建适合不同生态位的智能系统，又如何改造业务与数字环境，让人、Agent 和既有系统能够协同工作。
阅读：智能系统、生态位与 Agent 网络智能与环境，需要共同设计、协同演化。我从企业业务出发，研究现实如何被系统表达，以及人、Agent 和既有系统如何在其中共同工作，并在制造业等场景中实践这些方法，并从这一视角理解 Agent、Harness 和世界模型。
通用命题
从复杂系统的数字表征，到人机协同的数字环境
数字化将现实中的对象、关系、状态与规则带入数字世界。当这些表征能够随现实持续更新，并支持推演、行动与反馈，就逐步形成数字孪生，成为人和智能系统共同工作的环境。
数字化的终局，是能够参与现实运行的数字孪生。 环境的完善改变智能系统能够完成的工作，系统的行动又推动环境更新，两者由此共同演化。
研究与应用
从企业运营到个人决策，用这些方法梳理实际问题，设计可运行的系统，并在实践中检验和改进。
问题与判断
AI 落地，有些问题需要重新回答
常见议题
问题本质
相关内容
问题本质
任务有自己的来源和目标。理解它为什么存在，才能判断应该加速、重构还是取消，以及 Agent 应该承担哪一段工作。
问题本质
系统已经覆盖了不少业务，但跨系统的业务逻辑仍靠人补齐。理解这些人工工作，才能判断哪些需要完善系统，哪些适合引入 Agent。
相关内容表征
常见议题
Harness 到底应该做什么？
问题本质
Harness 不只是给模型拼接 Prompt、Context 和 Tools。更重要的是，让 Agent 能稳定地感知业务环境、理解当前状态，并调用正确的能力采取行动。
常见议题
怎么让 Agent 真正做决策，而不只是执行 Workflow？
问题本质
执行既定步骤，和在目标、约束、未知信息与多个选择之间作判断，是两类不同的问题。真正的决策需要把影响因素、约束和可行路径显式组织起来。
相关内容Decision Space
问题本质
Agent 不只是需要更强的推理和执行能力。业务、产品和技术尚未消化的复杂度，会不断转化为 Agent 的上下文管理、推理和执行负担。要让 Agent 真正运行，需要同时改善它所处的环境。
数字化与AI落地
企业 AI 落地，从重建数字世界开始
可理解 → 可计算 → 可行动。
数字化是 AI 的基础设施。过去的数字化系统主要为人设计，依靠人理解信息、补充规则、协调流程，充当系统之间的“胶水”。当 AI 开始参与业务，这些未被系统承载的复杂度，又进一步转化成 Agent 的理解、推理与执行负担。
今天很多 Agent 工程都在提升“自动驾驶”能力，研究如何让 AI 适应复杂的外部环境。但企业的数字世界仍然像一张张按不同标准绘制的局部地图，对象、状态和规则分散在各个系统中，缺少一套能够跨系统导航的共同基础。
未来每个领域都需要一张持续更新的业务地图，把分散的业务知识和系统连接起来，让人和 AI 能够基于同一个数字世界理解业务、判断问题并采取行动。
重建企业数字世界，需要同时处理四层问题
四层相互依赖，也各自有独立的问题需要解决。
企业 AI 落地为什么必须从业务开始01业务层 · 定义世界
把真实业务变成可计算的世界
地铁图不画每栋楼，只保留对乘地铁有用的站点、线路、连接和换乘规则。
企业也是一样。真正稳定的主干，是业务中的对象、关系、事件、状态与规则。“业务地图”是对这些结构的压缩表达。
查看更多
02组织层 · 定义责任与分工
硅基智能进入组织，分工与责任需要重新定义
多主体（人或 Agent）协同，本质是合理设计分工。分工规则需要落实到具体业务对象、动作与责任，而不只停留在部门、岗位和权限配置上。
03系统层 · 承载世界
产品需求的本质，是业务与数字孪生之间的 Gap
业务在持续变化，系统往往只承载了其中一部分。
B端产品工作，就是识别业务世界里尚未被系统正确表达、连接和执行的部分，并把这个 Gap 逐步补上。
04Agent 层 · 使用环境
让 Agent 在企业环境中按图索骥
Agent 每次行动，都需要获得与当前场景匹配的业务语义、实时状态、规则和可执行接口。
这些共同构成 Agent 真正的工作环境。而不是无限上下文。
企业 OS｜跨越软件边界，组织完整业务
企业的业务不会按照 OA、ERP、MES 等软件的边界运行。企业 OS 以共享的业务对象、关系、状态和规则连接既有系统，让人和 AI 在同一个数字环境中接续工作，而不必反复跨系统恢复业务全貌。
产业 OS｜从企业内部走向产业协同
企业之间存在共享的产品定义、交易关系、行业规则与协作需求。当这些结构能够跨企业复用，数字环境就可以从单个企业延伸到产业上下游，支持人、AI 和不同企业之间的持续协作。
查看更多
几个核心议题
- 数据与语义
- 企业“数据质量不好”到底意味着什么？
案例与思考
从真实业务问题出发的案例与方法思考。
让 Agent 自动从图纸生成 BOM，为什么最后先重做了产品定义？
客户最初想让 AI 从图纸自动生成 BOM。重新识别需求本质之后，先梳理了六个标准型号的产品定义和参数-物料配置规则，做成小工具投入使用。技术部门反馈，对应工作效率提升约 25%—30%。
查看案例设备字段越加越多，为什么人和 AI 还是用不明白？
销售、资产、维修、质控都在往同一张设备表里加字段，每个需求单独看都合理，但页面却越来越长，信息也越来越难用。问题不只是字段太多，而是不同业务域、视角和使用目的被压在了同一个表征里。拆开这些视角之后，设备信息才可能按场景形成摘要，甚至进一步动态生成不同的工作界面。
查看案例让 Agent 自动处理审批，为什么得先把“审批”拆开？
很多 OA 把表单记录、知会、对象创建与变更、真正需要判断的决策，都统一做成了“审批”。结果是审批和通知越来越多，人每天打开系统，却依然不知道自己真正要完成什么。想让 Agent 参与其中，第一步不是让它更快地跑流程，而是先分清这些动作究竟分别是什么。
查看案例