企业大数据底座
中小企业不缺「想数字化」的意愿，缺的是三个前提：数据放在自己手里、文件随时找得到、真的有人在管安全。这套底座用一台 DGX Spark 起步，把这三件事一次性装进企业自己的机房——不搬业务上云，也不把能力留在门外。而底座之上还有另一半：把智能体真正交到岗位上。
底座解决「数据在哪里、找不找得到、谁在看护」；培训解决「人会不会用」。系统装好了没人会用，等于没装——所以这套方案把「人的升级」当成产品的另一半，而不是售后赠品。
不是选三个功能，是三道过不去的门槛
企业数字化的失败，多数不是败在功能不够，而是败在这三件事没有落地。它们互为前提，缺一件，另外两件就立不住——所以这套方案从这三件起步，而不是从应用做起。
数据不敢上云
现象：客户名单、报价、工艺参数、财务流水，这些一旦放到第三方平台，合规上说不清、商业上不放心。
后果：业务系统只能半上，数据被切成两半，越用越乱。
本方案的答案：主机、数据库、文件全部落在企业本地；需要远程访问时，是「人去找数据」，不是「数据去找人」。
数据不是资产
现象：几万到几十万份单据附件散在共享盘、ERP、邮箱、微信里，历史目录层层嵌套，还带着上一套系统的路径前缀——说不清企业到底有哪些数据、归谁管、什么级别、谁能用。
后果：想上 AI 时才卡住：数据没编目、没授权、没分级。智能体要么什么都看不到，要么什么都看得到——两种都不能交给业务用。
本方案的答案：给企业建一张数据资产表——编目可管理、访问可授权、敏感度可分级，并以数据 API 开放给智能体按权限调用。
没人管安全
现象：中小企业没有安全岗。证书什么时候到期、有没有端口暴露在外、离职账号还开着没有、有没有人在批量下载——没人知道。
后果：出事才发现，且没有任何记录可查，说不清是谁、什么时候、动了什么。
本方案的答案：常驻智能体持续巡检、主动处置、全程留痕；不需要专职安全员，但每天都有人（在）看。
数据与安全：一台主机，一条受控的数据链路
企业既有的服务器与业务系统保持不动：生产数据先被只读抽取、编成一张数据资产表，再单向同步到企业自己的 DGX Spark 主机，供本地模型与智能体取用。而任何一次取数，都必须经过上层的安全网关。三层同机部署、共享同一份数据视图，对外只保留一条由企业主机主动发起的加密隧道。
DGX Spark 主机：把「云」的能力，装进企业自己的一台机器
这一层要回答的是最基础的问题——数据到底放在哪、谁碰得到。答案不是「放在云端某个区域」，而是「放在企业自己屋里的一台机器上」。
DGX Spark 主机 · Edge Node
主权层 —— 决定数据与模型物理上属于谁它解决什么
- 数据物理归属清晰：从生产系统归集来的数据与全部附件落在企业本地磁盘；拔掉网线，检索、推理与智能体照常可用。
- 模型也在自己机器上跑：单机 128 GB 统一内存可本地承载 70B 参数级模型微调与 200B 参数级模型推理——数据不出域，推理同样不出域。
- 不需要公网 IP，也不需要改防火墙：主机主动向外建立反向加密隧道，企业侧零网络改造。
- 不需要专职运维：常驻 Agent 做自检与上报，异常先于用户被发现。
- 不被单一云厂商锁定：数据副本与智能体同机，换机即迁移，不依赖任何平台的开通与续费。
- 可横向长大：同一家企业的多处厂区、门店各加一台，统一纳管，不需要重做架构、也不需要换版本。
主机规格（NVIDIA DGX Spark 官方规格）
| 项目 | 规格 |
|---|---|
| 形态 | 桌面级 AI 主机，150 × 150 × 50.5 mm / 1.2 kg |
| 芯片 | GB10 Grace Blackwell 超级芯片，20 核 Arm（10×Cortex-X925 + 10×Cortex-A725） |
| AI 算力 | 最高 1 PFLOP（FP4，稀疏） |
| 统一内存 | 128 GB LPDDR5x（256-bit / 273 GB/s，CPU 与 GPU 共享） |
| 本地存储 | 4 TB NVMe M.2（自加密） |
| 本地模型能力 | 推理至 200B 参数级、微调至 70B 参数级；两台互联可支撑 405B 参数级 |
| 网络 | 10 GbE + ConnectX-7（200 Gbps）+ Wi-Fi 7 |
| 功耗 / 环境 | 240 W 电源（GB10 TDP 140 W），普通办公环境 |
| 操作系统 | NVIDIA DGX OS |
| 数据库 | 本地 MongoDB / PostgreSQL |
| 接入条件 | 仅需可上网，无需固定 IP、无需开放入站端口 |
规格来源：NVIDIA 官方规格页（nvidia.cn/products/workstations/dgx-spark），可逐项核对。实际交付的节点数量与存储扩展按企业现场盘点确定。
数据资产库：把企业的数据编成一张能管、能授权、能调用的资产表
主机解决了「放在哪」，这一层解决「企业自己能不能管起来」。散落在共享盘、ERP、邮箱、微信里的文件不会自动变成资产——先要给它们编目：谁的数据、什么内容、什么级别、谁能看、通过什么接口用。这张资产表建起来之前，数据只是一堆文件；建起来之后，它才成为可管理、可授权、可被智能体调用的资产。
数据资产库 · Data Asset Catalog
资产层 —— 决定数据能不能被管理、被授权、被智能体用起来把「企业有哪些数据」变成一份可维护的资产目录
存储只回答「文件放在哪」，回答不了「这份数据能不能给这个人、能不能喂给那个智能体」。所以这一层真正交付的是一张企业数据资产表：每条资产都有来源、归属、级别、授权范围与调用方式。表在，数据才管得动；表不在，系统装得再整齐，业务也说不清自己手里到底有什么。
资产管理 · 编目
把散在各处的文件与业务数据登记成一张资产表：来源系统、所属主体、数据类型、存放位置、关联单据。每份资产有清单、有归属，不再靠人记路径。
权限控制 · 授权
授权直接做在资产表上：人员 → 角色 → 数据范围三级映射。谁能看哪些资产、能做哪些操作，一处定义、统一执行，不依赖每个应用自己再实现一遍。
分层分级 · 定级
按敏感度与价值逐条定级，不同级别对应不同的访问策略与脱敏要求。先定级、再放权——没有分级，权限只能一刀切：要么管死，要么全放开。
数据 API · 开放
资产表以标准接口对外开放，智能体按被授予的权限范围取数，而不是把原始文件整包搬走。调用一次、校验一次、留痕一次。
管理视图是资产表，物理底座是内容寻址
资产表是「看得见的管理视图」，它下面还需要一个稳定的物理底座：单一根目录 + 内容指纹寻址。路径由内容决定、不由命名习惯决定——这是资产表能长期维护、能跨系统存活的前提。
四级划分，一套默认策略
分级不是为了打标签，是为了让权限有依据。下表是本方案默认的四级划分与对应策略；级别由企业自己定，不由实施方定，实施时按现场盘点结果调整。
左右滑动查看完整表格
| 级别 | 典型数据 | 默认访问策略 | 对外提供方式 |
|---|---|---|---|
| L0 公开 | 宣传资料、公开产品目录 | 全员可读 | 可直接对外提供 |
| L1 内部 | 规章制度、流程文件、培训材料 | 按岗位角色开放 | 可面向内部智能体开放 |
| L2 受限 | 客户名单、报价、合同、经营报表 | 角色 + 数据范围双重校验 | 仅授权智能体可取，按字段脱敏 |
| L3 核心 | 工艺参数、成本结构、核心图纸 | 最小授权 + 操作留痕 + 单独审批 | 默认不开放；例外需审批后单独开通 |
五步：编目 → 收敛 → 去重 → 分级授权 → 挂接口
资产表不是一次性交付的静态清单，它要跟着业务继续长。建设过程分五步，每一步都有可验收的产出，也都可以单独验收。
| 步骤 | 做什么 | 产出 |
|---|---|---|
| ① 盘点编目 | 扫描全部来源路径，登记来源、归属、类型与存放位置 | 资产清单与差异报告 |
| ② 收敛展平 | 把嵌套的历史目录逐层摊开，剥离上一套系统的目录前缀 | 统一层级的文件集合 |
| ③ 去重校核 | 按内容摘要归并同一份文件，并逐条校验完整性 | 唯一副本 + 引用关系 |
| ④ 分级授权 | 逐条定级，再按「人员 → 角色 → 数据范围」发放权限 | 分级结果 + 授权矩阵 |
| ⑤ 挂接接口 | 与业务单据双向关联，并以数据 API 对外开放 | 可检索、可下钻、可调用的资产表 |
安全智能体：AgentMonitor 智能体安全网关
前两层让数据和资产真的值钱了，但代价是「被盯上」的概率也真的上升了。中小企业请不起安全团队，所以这一层的落地形态是一台智能体安全网关——架在智能体与大模型之间，每一次提问与每一次回答都强制过检，对业务零侵入。
智能体安全网关 · AgentMonitor
能力层 —— 决定这套底座敢不敢真的交给业务天天用智能体直连大模型，四类风险收敛不了
企业智能体直接连大模型时，没有统一管控点，安全能力散落在各个应用里——风险收敛难、责任界定难、审计追溯难。这四类风险必须先有地方接住，才谈得上把智能体放开给业务用。
提示词注入与危险指令
越狱提示、删除 / 外发 / 提权类危险指令直达大模型，输入不可控、输出不可信。
知识库数据越权访问
能对话的人就可能问出无权限查看的敏感数据，数据边界形同虚设。
Skill 供应链不安全
第三方 Skill 可能携带恶意代码、越权行为与数据外传通道，风险随插件引入。
行为不可审计
对话内容与危险操作无全量留痕，安全事件发生后无法溯源与追责。
四道防线，一个网关
四类风险逐一对位四道防线，统一收敛在 AgentMonitor ——安全责任从应用侧剥离，集中管控、统一升级。
权限管理
管理员统一定义「什么权限的人员，可通过智能体访问什么类型的数据」。
解决：知识库越权访问
输入输出检测
双向威胁检测机制，发现并阻断输入输出中的危险指令与违规语句。
解决：提示词注入与内容失控
Skill 安全扫描
内置扫描器，自动发现不安全的 Skill，插件风险在上线前化解。
解决：插件供应链风险
全量日志审计
全量记录智能体对话内容与危险操作行为，审计留痕完整可查。
解决：行为不可审计
三道机制：权限先判、双向检测、风险分级
「拦得住」和「说得清」靠的是三件具体的事，而不是一句「我们有安全能力」。
权限怎么判
- 三级映射：人员 → 角色 → 数据类型，管控粒度细化到知识库与文档分类级别。
- 网关层拦截：越权请求在网关层直接拦下，不进入模型侧，杜绝数据间接泄露。
- 策略即时生效：新增数据类型或人员调整无需改造智能体应用。
检测怎么做
- 双层检测：规则库 + 语义模型；输入侧查提示词注入、越狱、删除 / 外发 / 提权类指令与敏感信息外传意图。
- 输出侧复检：查违规有害内容、敏感数据与内部信息泄露、不当表述。
- 命中即处置：阻断并实时告警，返回安全提示话术；策略可按企业场景自定义。
Skill 怎么分级
- 检测维度：恶意代码与后门、越权操作行为、数据外传通道、不安全依赖组件。
- 高危：阻断上线 + 实时告警。
- 中危：整改复测后准入；低危：标记提示、持续关注。
全量留痕，出事说得清
对话内容全量记录、调用链路与访问行为留痕、危险操作重点标记、拦截事件与告警处置留痕；支持按人员 / 时间 / 风险等级多维检索，日志防篡改存储，为安全事件溯源与责任认定提供完整证据链。
合规底座：《数据安全法》《个人信息保护法》及等级保护制度，对 AI 应用的数据处理、访问控制与审计留痕提出的要求，由这一层直接承接。
同一套网关能力，适配不同行业与不同智能体底座
网关是标准件，场景是变量。以下四类场景可以直接复用同一套能力，不需要为每类智能体重做一遍安全。
企业知识库问答
权限管控防止越权取数，敏感知识按人员分级可见、分级可问。
办公智能体
输入输出双向过滤，危险指令与违规内容不出网关。
多智能体平台
Skill 准入扫描与定期巡检，插件供应链风险前置化解。
政府 / 金融 / 电网等高监管行业
全量审计留痕与合规报告，支撑智能体在强监管场景落地。
| 客户价值 | 说明 |
|---|---|
| 一点收敛 | 一个网关解决提示词注入、数据越权、Skill 供应链、审计缺失四类风险，安全能力集中管控、统一升级。 |
| 零侵扰接入 | 网关式旁挂部署，不改变智能体功能与用户体验，业务侧无需安全开发投入。 |
| 合规达标 | 满足数据安全与审计留痕要求，支撑智能体在政府、电网等高监管场景落地。 |
| 快速复制 | 产品化交付，适配不同行业客户的多种智能体底座，一次建设、多场景推广。 |
网关之外，底座本身也要有人看护
AgentMonitor 管的是「智能体与大模型之间」；本地底座还有一条安全线要跑——主机与资产本身。证书会不会过期、端口有没有多开、备份能不能恢复、有没有人在异常下载，这些不在网关的视野里，但同样会出事。两者同属这一层，由同一个常驻智能体承担。
资产可见性
谁有什么、放在哪、多久没动过。先有一份完整的资产账，才谈得上保护。
风险巡检
证书到期、端口暴露、弱口令、越权访问、异常批量下载——按固定周期逐项过筛。
主动处置
到期前预警、异常即限流或断开、可疑账号立即冻结，不等人工发现。
合规留痕
全量操作审计，可回溯到人、时间、对象与结果，出事说得清。
三层不是并列的三个功能，是互为前提的一根链条
单独看任何一层，市面上都能找到替代品；三层同机、共享同一份数据视图，才构成难以复制的组合。
左右滑动查看完整表格
| 层 | 解决的问题 | 对外提供什么 | 缺了它，会退化成什么 |
|---|---|---|---|
| ① DGX Spark 主机 | 数据归谁 | 运行与存储底座、资产数据的本地副本、远程接入通道 | 数据必须放在第三方，合规与商业上都交代不过去 |
| ② 数据资产库 | 数据能不能被管起来 | 企业数据资产表：编目 · 权限控制 · 分层分级 · 数据 API 开放 | 数据仍是散落的文件——说不清有什么、谈不上分级授权；智能体要么看不到，要么绕过授权去直连生产系统 |
| ③ 安全智能体 | 谁来持续看护 | 智能体安全网关（权限 · 双向检测 · Skill 扫描 · 全量审计 · 出域审查 · 上网准入）+ 主机与资产巡检 | 数据放本地反而更危险——没人看，也没记录 |
底座解决「数据」，培训解决「人」——两者相乘，才是超级员工
前面三层都在解决「物」的问题：数据放在哪、数据能不能被管住、安全谁在看。但企业真正想要的从来不是这些——是同样的人，能扛更多的事。所以这套方案把「智能体应用培训」放进产品本身：底座让人敢用数据，培训让人真的会用智能体。两者合起来，岗位被放大成超级员工。
企业大数据底座
主机 + 数据资产库 + 安全智能体，解决数据落在哪、能不能被管住、谁在看着。
- 提供：可信、同源、可下钻的数据
- 提供：安全边界与全量留痕
- 作用：让智能体有真数据可用，让企业敢把真数据交出去用
智能体应用培训
从「会用」到「会带」的三阶训练，把智能体按岗位任务落下去。
- 提供：能直接落地的用法（按岗位、按任务）
- 提供：内部教练与可复用手册
- 作用：让企业自己有能力持续长出新的智能体场景
超级员工到底「超级」在哪：三个具体变化
从「等报表」到「问数据」
不用等别人导出、不用排队等 IT。一句话问出来，而且每个数字都能继续点下去，一直下钻到那张单据和那份附件。
从「守一个环节」到「管一条流程」
资料调取、数据汇总、交叉比对、初稿成文由智能体承接；人只留在需要判断和责任的那一步上。
从「个人经验」到「可复制的方法」
把自己那套干法写成智能体能执行的步骤——人调岗或离职，方法留下；新人照着手册就能上手，不用再口口相传。
谁先变成超级员工：从高频、重复、有据可依的岗位切入
左右滑动查看完整表格
| 岗位 | 高频任务 | 智能体承接什么 | 变化 |
|---|---|---|---|
| 业务与销售助理 | 客户资料与历史订单调取、报价与交期汇总 | 一句话调取附件与往来记录，按模板自动汇总成稿 | 从翻共享盘半小时，到一分钟 |
| 生产与质量 | 检验数据归集、异常上报、报告成稿 | 自动归集数据、按规则判定异常、生成报告草稿 | 报告从半天，到几分钟 |
| 财务与商务 | 单据影像入账、对账差异核对 | 识别单据、自动匹配，差异标红待确认 | 不再手工录第二遍 |
| 管理者 | 经营情况随时问、开会前临时要数 | 自然语言问数，数字逐层下钻到单据 | 不再等报表、不再临时要数 |
不教原理，只教手上的活
一切从「你今天哪个任务可以交出去」开始。课程里不出现模型参数、不出现架构图，只出现本岗位的真实任务。
在真实数据上练
用自己的单子、自己的文件、自己企业的规则。用演示数据练出来的熟练度，回岗后一天就归零。
结业有产物
不设考试。验收标准是：交出至少一份别人照着能用的智能体工作手册，且带教对象能独立跑通。
怎么衡量「有没有真的变成超级员工」
| 指标 | 怎么观察 | 数据来源 |
|---|---|---|
| 单件事耗时 | 同一类任务在培训前后的实际用时对比 | 岗位抽样计时 |
| 人均处理单量 | 同岗位月处理量变化，且不增加工时 | 业务系统统计 |
| 数据等待时长 | 从「等别人导表」变成「自己问一句」 | 问数使用记录 |
| 重复性工作占比 | 手工录入、复制粘贴、找文件的时间占比下降 | 岗位自评 + 抽样 |
| 内部手册数量 | 沉淀出多少份可复用的岗位智能体手册 | 交付物清点 |
双轨推进：技术轨先铺路，人才轨紧接着跟上
这套方案刻意不追求「一次上齐」。技术轨负责把数据与资产铺到位，人才轨负责让岗位在真实数据上练会——人才轨刻意比技术轨晚一周启动，因为学员必须等资产库能用了才有真数据可练。每一阶段都有独立可交付、独立可验收的成果，客户在任意阶段停下都不亏。
不靠数字背书，每一项都能当面验
判断一套底座能不能用，看的不是规模，而是每个环节有没有可检查的验收点。下面把验收点逐条列出来——任何一条当场验不过，这一段就不算成立。这也是我们不在方案页上摆运行数字的原因。
左右滑动查看完整表格
| 维度 | 验收点 | 怎么验 |
|---|---|---|
| 数据归属 | 不出企业 | 断开外网，业务系统与数据在企业本地仍可用；服务方仅能按授权范围访问，每次访问留痕 |
| 资产可检索 | 任意一份历史文件都找得到 | 随机抽几张单据：从业务单据反查附件、再从附件反查业务单据，双向都必须命中 |
| 历史目录治理 | 旧目录里的文件应用可直接读取 | 挑一个历史遗留目录直接打开，不依赖人工改名、手工拷贝或逐份重传 |
| 写入幂等 | 重复导入不产生重复数据 | 同一批数据连续导入两次，记录数与文件数不变；迁移可反复重跑 |
| 分级与授权 | 级别与权限在资产表上可查可改 | 现场改一次某份资产的分级或授权范围，相关角色的可见范围立刻随之变化，全程不需要改应用代码 |
| 数据 API 可调用 | 智能体只能在授权范围内取数 | 用授权范围内的智能体账号取数，取得到；换成超出范围的资产，取不到并留下一条拒绝记录 |
| 外部模型可控 | 先审后出 | 换成未在网关登记的模型 key，调不通；构造一次带敏感字段的出域请求，被数据安全审查拦下并留下记录 |
| 上网可管 | 每台电脑上公网先登录 | 挑一台电脑直接访问外网，先被要求登录；登录后的访问行为可按人与时间检索，未登录不给出口 |
| 接入条件 | 不需要固定公网 IP、不开放入站端口 | 企业侧只做一次主动外联建立加密隧道；路由器上不做任何入站端口映射 |
| 链路与证书 | 链路加密，证书有效期受监控 | 证书临近到期自动提醒并完成续期，全过程可查——示范安全智能体接管的第一类日常事务 |
| 安全过检 | 每一次提问与回答都经过网关 | 构造一次越权提问与一次敏感信息外发，两类都应被拦下并留下记录 |
| 审计留痕 | 按人员 / 时间 / 风险等级可检索 | 按任一维度检索，都能找到对应的人、原始问句与处置结果，日志不可篡改 |
| 人随系统就位 | 岗位真的用起来了 | 结业以「留下手册 + 本岗位两周内的可量化变化」为准，而不是以考勤为准 |
一套交付：产品与培训一起交，配置按现场盘点结果确定
不分版本，只有一家企业的一套交付：产品与培训一起上，节点数量、存储规模、安全策略深度与培训人数，全部由现场盘点结果确定。企业有几个厂区、几处门店、几个法人主体，是同一套架构里的规模问题，不是版本问题——三层结构与培训阶梯就一套，扩大规模不需要换版本、不需要推翻重来。
| 项目 | 内容 |
|---|---|
| 适用对象 | 一家企业，而不是某个单点、单厂区企业有几处厂区、门店、法人主体，属于同一套架构里的规模问题，不做版本区分 |
| 产品交付 | DGX Spark 主机（1 台起步，节点数量按企业实际规模扩展）+ 本地数据库与本地模型推理 + 数据资产库（编目 · 权限控制 · 分层分级 · 数据 API 开放）+ AgentMonitor 智能体安全网关（权限管理 · 双向检测 · Skill 扫描 · 全量审计）+ 主机与资产巡检 |
| 培训交付 | 按岗位分批，不按人头凑班：L1 会用 → L2 会改 → L3 会带实施方讲师带首批，逐步移交企业内部教练，结业以「留下手册」为准 |
| 落地重心 | 把企业数据收回自己手里，编成一张可管、可授权、可被智能体调用的资产表；同时训出第一批会用的人 |
| 配置怎么定 | 现场盘点（1–2 天）后一次给出：节点数量、存储规模、安全策略深度、培训人数与批次全程同一套三层结构、同一套培训阶梯 |
实施节奏
现场盘点（1–2 天）→ 主机上架与业务迁移 → 资产库归集 → 安全策略上线 → 人才轨同期启动。每步独立验收，不搞一次性大切换。
谁来做
主机与资产库由实施方交付；日常巡检、续期、报告由智能体承担；培训由实施方讲师带首批，再逐步移交给企业内部教练。企业只需 1 名对接人，不需要新增运维岗。
培训怎么排
以岗位为单位、不按人头凑班：一个岗位 3–5 个高频任务成一条训练线。集中 2 天打底，之后在真实任务上陪跑 2 周，结业以「留下手册」为准。
怎么算成功
四个可验证点：文件能找到、数据不出去、风险有人报、岗位真的用起来了。任一不过，本阶段不算完成。
这套方案明确不做的事
把边界说清楚，比把能力说满更专业。以下八件事不在范围内——如果有人告诉你可以，请让对方拿出验收标准。
- 不替代企业既有的 ERP 与业务系统。这套底座做的是它们的地基与数据出口，不是把它们推倒重来。
- 不把智能体接到生产系统上。智能体不直连生产系统服务器、不直连生产业务系统——所有取数必须经过数据资产库的授权与安全网关的过检。这条是硬边界，不做配置开关，也不因「只读」而放行。
- 不承诺「零运维」。承诺的是「不需要专职运维」——日常巡检、证书续期、备份校验由智能体承担，重大变更仍需人确认。
- 不做无边界的数据上云。需要跨企业协同的场景另行设计，本方案默认数据不出域。
- 不夸大模型能力。能用规则解决的判定，绝不交给模型；模型只负责解释、归纳与交互，保证结论可复现。
- 不承诺「拦得住所有攻击」。安全网关能拦下的是有迹可循的输入输出威胁与已知风险模式，新型手法需要持续更新规则库。本方案承诺的是「持续在跑、留痕可查」，不是「零事故」。
- 不承诺「本地什么都能跑」。DGX Spark 单机可承载的模型规模以官方规格为上限（推理 200B 参数级、微调 70B 参数级）；更大模型需要多机互联或另议集群方案——这个边界本方案不回避。
- 不承诺「培训完人人都是超级员工」。超级员工是「底座 + 岗位任务 + 本人愿意改」三者相乘的结果。我们能承诺的是：让愿意改的人，两周内在自己的岗位上看到可量化的变化。
下一步：从一次现场盘点开始，先让一个岗位变强
这套方案不需要先做预算决策，也不需要先停掉现有系统。第一步永远是同一件事——把企业现在的数据摸清楚，然后挑一个岗位，让他先变成超级员工；有一个能被看见的样板，剩下的人自己会来问。
现场盘点 + 选人
清点现有系统、数据量、文件分布与网络条件，产出资产清单与风险基线；同时按「高频、重复、有据可依」三条筛出第一批培训岗位与学员。
单机试点 + 首批培训
一台主机承载一个真实业务场景，同期对首批岗位做 L1 集中培训——练的就是这台机器里的真数据，不是演示数据。
扩点、托管与带教
横向加节点，安全智能体接管日常巡检；首批学员进入 L3 成为内部教练，带出下一批超级员工，能力开始在企业内部自我复制。