岗位化 Agent，而不是临时聊天框
获客、询盘、商品、买家跟进和治理分别由不同 Agent 承接，输入、输出和确认点更清晰。
OrbisAgent · Powered by Arden AIOS
把国际站经营任务，组织成可运行的Agent 系统。
从经营资料、岗位 Agent、Skill 能力到人审确认和证据回流，OrbisAgent 把日常运营动作放进一条清晰的执行链路。
Runtime
OrbisAgent
把经营任务、知识上下文、能力模块和确认边界组织在同一套运行框架里。
Input
经营资料
商品、询盘、买家背景、团队规则
Memory
LLM-Wiki
把资料变成可调用的工作记忆
Capability
Skill 调度
按任务组合复用能力
Agent
岗位编队
获客、询盘、商品、买家跟进、治理
Review
人审闸门
报价、外发、后台动作先确认
Evidence
证据回流
输出版本、判断依据、下一步动作
为什么使用 OrbisAgent
真正需要被产品化的，不是一段输出，而是一整条经营链路。
国际站日常工作跨越资料、判断、沟通、复盘和团队协作。OrbisAgent 把这些环节拆成可理解、可确认、可沉淀的结构，让每一次任务都能接着上一次继续推进。
Skill 是能力模块，不是孤立提示词
Skill 被放进任务链路里使用，负责复用能力；Agent 负责理解场景并组织多个 Skill 协同。
从输出到证据，形成可复盘链路
关键结论保留来源、判断依据、待确认项和后续动作，方便团队回看和迭代。
和常见 Agent + Skill 文本包的不同
核心差异不是“更多提示词”，而是任务如何被执行和沉淀。
常见文本技能包
OrbisAgent
复制一段提示词，在聊天框里临时完成一次输出。
从经营任务进入，由 Agent 调度 Skill、知识库、人审和证据沉淀。
依赖使用者手动补齐商品资料、买家背景和历史上下文。
通过 LLM-Wiki 把经营资料结构化，输出时优先调用已沉淀的资料和规则。
结果通常停留在一次文案或一段建议，后续复盘成本高。
保留判断依据、确认边界和证据路径，让下一次跟进能接着往前走。
自动化边界容易模糊，关键动作需要靠人记住风险。
默认不自动外发、不自动报价、不自动改后台，关键动作进入人工确认。
LLM-Wiki 知识库
把经营资料变成 Agent 能理解、能引用、能复盘的工作记忆。
LLM-Wiki 的价值不只是存文件，而是把商品资料、买家信息、询盘记录、SOP、人审规则和历史输出变成可被任务链路调用的上下文。团队越使用，资料越完整，Agent 的判断也越贴近实际经营。
输入
商品资料、询盘记录、团队规则
组织
按场景、对象和证据路径结构化
调用
Agent 在任务中读取相关上下文
回流
输出结果和确认意见继续沉淀
工作方式