Asana AI智能体：共享记忆，保护机密

企业团队在构建AI智能体时普遍面临同一挑战：一个聊天机器人能够回答提问，却无法记住前五人的询问内容，也无法告知上月版本的实际表现。

在VentureBeat的Sam Witteveen举办的炉边谈话中，Asana首席产品官Arnab Bose详细阐述了他的团队如何解决这一问题，构建了一个全新的操作系统：智能体工作管理(AWM)。该产品将AI智能体视为可训练的团队成员，与人类协同工作，而非一对一的助手。

对于希望超越基础集成产品的开发者和产品构建者，Bose展示了系统内部的工作原理。他详细介绍了Asana如何设计AWM，为解决实际瓶颈和规模化构建智能体系统提供了蓝图。

工作图谱：18年企业数据的重新利用

为了构建人机协作团队的操作系统，Asana需要一个现成的企业上下文图谱。他们基于拥有18年历史的架构——工作图谱(Work Graph)构建了AWM。

这种基于图谱的数据库通过公司所谓的”清晰金字塔”结构组织信息。最小的工作单元是包含负责人和截止日期的任务。任务隶属于项目，项目组合成投资组合，投资组合则与公司级目标相连接。该图谱可帮助追踪例如设计任务延迟如何影响公司收入目标。工作图谱提供了谁在何时做什么以及为何做的实时记录。

AWM利用这一架构创建了一个多人协作的智能伙伴。标准AI助手是无状态的，仅与单个用户的提示相关联。由于AWM连接到工作图谱，AI可以查看公司整体目标、更新项目状态，并与人类同事共享记忆。

“因为[智能体]连接到工作图谱，它不仅关注您发送的特定提示或个人本地文件系统中的特定markdown文件，而是基于整个公司的共享账本运作，”Bose解释道。

AWM已投入生产。Bose表示，Asana已有”多个客户成功使用该系统”，包括FedEx，后者发布了关于转型的案例研究。

为机密工作构建防护机制

向企业客户推出AWM要求Asana解决多个技术障碍。首先是数据治理问题。如果AI智能体在整个公司范围内运作，它会通过学习和工作流程、人类反馈来构建共享记忆。

Bose强调了一个关键的边界问题：如果高管使用AWM为机密项目构建工作流程，系统必须确保智能体的更新记忆不会泄露给后续与同一智能体交互的无权限员工。

“[我]不应能够利用共享记忆，如果您使用同一智能体在我无权访问的秘密并购项目上创建了该记忆，”Bose说。Asana设计了一套访问控制系统，来管理什么会触发记忆创建与简单任务执行之间的界限。

其次，AWM处理动态模型路由，将提示工程从用户中抽象出来。当用户将任务分配给AI智能体（例如起草总经理职位描述）时，AI会交叉参考公开职位信息、Asana内部风格指南和产品需求文档。对于复杂任务，系统自动将提示路由到强大的前沿模型——Bose提到了Anthropic的Opus和OpenAI的模型；而轻量级任务则被降级到更快更经济的模型。

“我们不希望知识工作者必须思考最佳提示、上下文工程和附件，”Bose表示，”这应该感觉就像将任务分配给人类一样。”

这种动态路由引入了第三个挑战：计费抽象。智能体任务的计算复杂性各不相同，导致信用消耗率难以预测。

“我们不希望客户处于需要理解某些任务比其他任务复杂得多，并且会以不同速率消耗信用的状态，”Bose说，并补充说不可预测的定价风险可能导致客户通过限制AI智能体的运行频率来限制员工使用。

为了使AWM商业可行，Asana设计了按任务完成收取固定费用的计费架构。平台吸收了模型选择、令牌数量和运行限制的复杂性，以确保可预测的企业定价。

无状态聊天机器人的问题

AWM针对当前企业AI部署中的特定问题：无状态性。开发者可以轻松使用模型上下文协议(MCP)集成将大型语言模型连接到Slack、Google Drive或Databricks等企业工具。然而，基础聊天式智能体缺乏持久性。

Bose详细描述了一个场景：用户要求聊天智能体基于历史表现和竞争研究起草营销活动。智能体从外部工具获取数据来回答提示，但执行过程发生在真空中。这是一次性任务，仅惠及单个个体。它未能为下一个构建类似活动的人创建可重用的工作流程。

“挑战在于这些调用是无状态的，它们没有利用这个基于图谱的数据库或上下文图谱构成的共享企业大脑，”Bose指出。

AWM通过创建持久状态解决了这一问题。当AWM内的AI智能体完成任务时，系统会记录元数据。它注册完成是否改善了项目状态，以及如何推动更高层次的公司目标。

CoreWeave产品发布内部运作

云服务提供商CoreWeave是早期采用者，使用AWM改进复杂的新产品发布。

“CoreWeave同时使用我们的确定性AI工作室工作流程规则和多个AI智能体来处理新产品发布，”Bose分享道。

过去，CoreWeave的产品经理需要填写详细表格，说明基础设施、参数和成本。人工审查人员会评估这些表格，并将其分解为财务、营销和硬件团队的具体任务。

在AWM工作流程下，产品经理撰写标准Google文档，指向其产品需求文档。确定性AI工作流程读取文档，自动创建项目结构并分配任务。然后专业智能体接管执行。一个智能体监控整体项目状态并标记瓶颈；另一个在单个任务中，预测基础设施成本并在数字与历史预算一致时推荐批准。系统自动分类处理日常工作，而人类则专注于评估AI的输出。