360发1亿Token自建AI智能体，企业自己建够用吗
有人把360的新闻甩给我看：公司给全员零审批发了1亿Token，他们的AI智能体工具平台上线了一个叫"龙虾教练"的功能，号称用自然语言描述需求，10分钟就能搭好一个专属智能体。
问我"图老师，这种工具出来了，企业还需要花钱找专业团队做定制吗？"
说实话，这个问题最近被问了很多次。
自建工具越来越多，门槛越来越低，企业自己动手建一个确实不是难事了。
但"建一个能聊天的智能体"和"建一个能跑在产线上的智能体"，中间的差距比很多人想的大。
360全员发Token做了什么
先说360这次到底干了什么。
5月11日，360发布全员信正式启动"龙虾计划"：每位员工自动到账1亿Token，不用申请不用审批。
目的是让所有人从"使用AI工具"变成"带着AI团队干活"。
他们的"360安全龙虾"平台已经内置了超过100个智能体模板，覆盖代码开发、办公协作、行业分析这些场景。
5月13日上线"龙虾教练"功能，口述需求就能自动完成角色设定、技能配置和工作流搭建。
还有轻量版调用模式，号称最高节省99%的Token消耗。
周鸿祎的思路很清楚：先把使用门槛打下来，让所有人动起来，AI才有机会在企业内部真正普及。
这个方向没问题，通用生产力工具确实该这么做。
自建智能体适合什么场景
我也用过类似的自建工具搭过智能体，确实方便。
描述一下需求，选个模板，几分钟就能跑起来，处理日常办公任务够用了。
之前碰到过一家企业，HR部门自己搭了个招聘智能体，自动筛简历、排面试时间，用了一个多月反馈还不错。
类似的场景还有不少：
- 会议纪要整理和待办事项提取
- 常见业务问题自动回复
- 文档翻译润色和格式转换
- 固定格式的数据汇总和报表生成
这些场景有个共同特点：标准化程度高，不依赖企业内部专属知识，换个行业也能直接用。
自建工具成本低上手快，解决日常工作中的效率瓶颈，性价比很高。
企业自建智能体卡在哪
但企业真正想花力气解决的，往往不是上面那些场景。
我们在图博数智做过一个制造业客户，要在产线上做设备故障诊断智能体——得理解二十多个关键工艺参数的关联关系，对接MES系统和历史工单数据库，还要根据不同班次、不同产品线给出不同的处置方案。
这种深度场景，用自建工具是搭不出来的。
差的不是模型能力，是三样东西。
一是行业知识的结构化沉淀。
通用自建工具知道"温度过高有风险"，但不知道这个厂在什么原料配比下、温度超过多少度要走哪套预案。
这些知识在老师傅脑子里、在历史工单里、在工艺规程里，得一条条梳理出来喂给系统。
二是业务系统的深度对接。
企业AI不是独立的聊天窗口，它要读ERP里的订单数据、调MES的设备状态、写CRM的客户记录。
每个系统的接口规范、数据格式、权限设计都不一样，这不是选个模板就能搞定的事。
三是持续优化和效果闭环。
智能体上线只是起点，准确率够不够、有没有误判、用户反馈怎么样——这些需要有人持续跟踪和调整。
自建工具给不了你这套闭环。
智能体搭建两条路怎么选
有人问那自建是不是就不行？
不是，关键看你要解决什么问题。我整理了一个简单判断框架。
适合自建的条件：场景通用性强（写邮件做PPT查资料），不涉及核心业务流程，对准确率要求80%左右即可，团队里有人愿意花时间调试。
适合专业定制的条件：场景和行业知识深度绑定（质检诊断工艺优化），需要对接两个以上内部系统，准确率要求95%以上，判断失误有直接经济损失。
不少成熟企业的做法是两条路并行——通用场景先自建跑起来，培养全员对AI的感知和习惯；核心业务场景找专业服务商深度定制，确保准确和安全。
先铺广度，再做深度。
落地之前先想清一件事
360这次把AI智能体工具的使用门槛拉到了新低，更多人开始用AI，企业内部的AI氛围会先热起来。
这件事有价值。
但工具门槛低不等于落地门槛低。
我见过不少企业买了工具，兴奋地搭了十几个智能体，三个月后还在用的不超过两个。
原因都一样：搭的时候没想清楚到底要解决什么业务问题。
我的建议是，动手之前先回答一个问题：这个智能体如果判断错了，有没有人买单？
如果答案是"无所谓大不了重来"，自建完全够用。
如果答案是"做错了产线会停"或"客户会投诉"，那就值得认真对待——找懂行业的人，做深度定制，跑闭环验证。
工具人人都能用，但能把AI嵌进业务深处的，终究还是专业的事。
我们图博数智这几年一直在帮企业和高校做AI落地的活儿，从AI知识库、智能体到私有化大模型部署，踩了不少坑也攒了不少经验。如果你所在的单位正在考虑AI落地，可以来我们官网看看实际案例和产品demo：**www.tubodata.com**，也可以直接加图老师聊聊。
