AI 融合中心

LEE Gapheon、JO Yeonhwa、LIM Taewoo、JANG Hwasup

  1. 绪论

近期人工智能领域正迎来剧烈的范式转变，核心不再是单纯的对话型模型，而是以 AI Agent 为中心 —— 这类 AI 能够自主解读、联动合适工具并执行实际业务。行业的需求已不再局限于单纯解答问题的 Q&A 模型，而是亟需能够自主识别数据、调用相关工具并完成实际业务的 AI Agent。

KR 顺应全球人工智能技术趋势，同时响应内部业务创新需求，开发出下一代 AI Agent 平台MariNote.AI，用于综合支持公司内外各类业务。

  2. 下一代一体化 KR AI Agent 架构

本系统基于平台、引擎、数据深度结合的三轴结构，实现实战联动型业务环境。

- MariNote.AI(一体化 AI Agent 平台)：用户体验 AI 服务的入口，也是执行业务的一体化工作空间。

- AI Agent Hub(业务 Agent 流程引擎)：管理 AI Agent 并联动实战工具的系统中枢引擎，基于工作流运行。

- AI Data Lake(业务知识存储库)：将业务手册、检查清单等零散的通用业务知识，标准化为 AI 可理解的形态并管理的知识资产中心。

KR AI Agent 架构

  3. 面向实战落地的工作流与工具设计

MariNote.AI 的核心创新在于：通过 AI Agent Hub，用户可直接设计符合业务目标的执行流程，并部署专业工具。

- 分阶段业务结构化：用户可根据业务特性定义分阶段执行，将复杂任务转化为系统化流程。

- 专业工具动态挂载(MCP & Task Tool)：在各工作流阶段可自由挂载实际业务所需工具，使 AI Agent 依次执行专业工具，完成高水平专项工作。

[AI Agent Hub] 新建 Agent 及工作流构建界面

  4. 构建 AI 专用数据环境，提供数据 Bundle服务

为确保AI Agent 能够准确执行业务，必须构建可将遗留系统数据重构为 AI 可利用形式的数据环境。

- 构建 AI 优化数据环境：现有遗留系统的数据呈碎片化，难以直接被 AI Agent 使用. AI Data Lake 对此进行语义化结构化与标准化，使其转化为 AI 可直接投入业务使用的 AI 专用知识资产。

- 遗留系统联动与自动更新：从遗留系统中提取并管理实战型 AI Agent 所需的特定数据，维持 AI Agent 参考信息的连贯性。

- 生成并提供业务专用数据 Bundle：将特定业务所需信息整合为数据 Bundle，供 AI Agent Hub 设计 AI Agent 时链接至各工作流阶段使用。

[AI Data Lake] 数据 Bundle 管理界面

  5. 用户导向的一体化 AI Agent 平台服务

MariNote.AI 是将高性能引擎(AI Agent Hub)与精炼数据(AI Data Lake)连接至用户业务现场的最终一体化工作空间。用户可通过直观界面将复杂 AI 技术直接应用于实战。

- 自由选择与调用专业 AI Agent：用户通过 MariNote.AI 内部集成的 AI Agent Hub 面板，可一目了然查看并调用针对特定业务优化的 Agent。

- 基于工作流的自主业务执行：根据用户意图调用特定 AI Agent，并按照预先设计的工作流执行业务。

- 输出实战型成果：AI Agent 不仅提供简单答案，还可结合关联工具与知识生成实质性成果。

  6. 结论与未来展望

MariNote.AI 是将 AI Agent Hub 的业务流程设计能力与 AI Data Lake 的专业知识体系完全融入实战环境的一体化 AI Agent 平台。这种让 AI 在各工作流阶段有机结合最优专业工具与数据 Bund结构，将引领 KR 业务实现实质性创新。

KR 未来将进一步强化与遗留系统的联动性，持续扩大 MCP & Task Tool 生态及数据 Bundle 支持范围，加速推进造船海洋产业的 AI 数字化转型(AI Transformation)。