上下线管理：沙箱→灰度→全量的科学上线策略

🚦

ARM模块五

上下线管理。

引言：让员工"安全入职"，也让员工"体面离职"

在真人员工管理中，入职有试用期、离职有交接流程。这是为了保护企业和员工双方的利益——试用期让企业考察员工是否胜任，也让员工判断岗位是否合适；离职交接确保不会因为一个人离开而导致业务中断。数字员工的上下线管理也是同样的逻辑。鲲溟智能 ARM 的上下线管理模块，为数字员工提供了完整的"入职→试用→转正→调岗→离职→交接"全流程管理。

🧪

沙箱

验证

→

🔶

灰度

试运行

→

🟢

全量

上线

→

📦

退岗

沉淀

5 阶段上线流程：从沙箱到全量

数字员工的上线分为 5 个阶段。第一阶段：沙箱验证——在隔离的测试环境中运行数字员工，使用历史数据和模拟请求进行测试。准出条件是：功能测试通过率 100%、核心场景准确率 ≥90%、无严重 Bug。第二阶段：灰度发布——将数字员工投入真实环境，但只服务 5-10% 的用户或处理 5-10% 的任务。准出条件是：灰度期间准确率 ≥88%、用户评分 ≥4.0、无客户投诉。第三阶段：全量上线——数字员工正式服务所有用户，承担全部任务。第四阶段：稳定运行——持续监控各项指标，确保数字员工稳定发挥。第五阶段：归档——如果数字员工因为业务调整需要退岗，所有知识 100% 沉淀后归档。

每阶段的准入准出条件：质量门禁

每个阶段的准入准出条件都是量化的、不可跳过的。这就像工厂的流水线——每道工序都有质检环节，上一道工序不合格，就进不了下一道工序。沙箱阶段如果准确率只有 85%（低于 90% 的准出条件），就不能进入灰度阶段，需要先调优。灰度阶段如果用户评分低于 4.0，就不能进入全量阶段，需要分析原因并改进。这种"质量门禁"机制确保了上线的每一个数字员工都是经过严格验证的，上线成功率达到了 95% 以上。

异常自动下线：5 分钟内止损

即使经过严格验证，数字员工在全量上线后也可能出现异常——比如模型输出突然变差、知识库数据过期、某个工具接口故障等。ARM 的异常自动下线机制会在检测到异常后 5 分钟内自动将数字员工下线，防止影响扩大。下线后系统会自动通知相关负责人，并生成异常分析报告。负责人可以选择"快速修复后重新上线"或"回炉调优后再上线"。这个机制就像消防系统——平时不用，但一旦出事能立即止损。

退岗知识沉淀：100% 不浪费

当一个数字员工因为业务调整需要退岗（下线）时，ARM 会启动完整的"知识交接"流程。这个数字员工在运行期间积累的所有知识——处理过的典型案例、优化过的 Prompt 模式、发现的最佳实践——都会通过 Skills 蒸馏机制被提取出来，沉淀为标准化 Skill，存入 Skills 市场。未来如果有新的数字员工需要类似能力，可以直接从 Skills 市场订阅这些"前任"留下的经验，而不用从零开始。这就是"退岗知识沉淀率 100%"的含义——每一个数字员工的经验都不会被浪费，它们会成为整个组织的知识资产。

类比 HR：试用期→正式入职→调岗→离职→知识交接

上下线管理的每一个环节，都能在 HR 管理中找到对应。沙箱验证≈面试/笔试，灰度发布≈试用期（3 个月），全量上线≈正式入职，异常下线≈停职检查，退岗归档≈离职+知识交接。这种 1:1 的映射不是巧合——它是鲲溟智能 ARM 框架"像管理真人一样管理 AI"核心理念的具体体现。通过将 HR 管理的成熟实践映射到数字员工管理中，ARM 大幅降低了企业的学习成本和管理难度——HR 部门不需要学一套全新的管理方法，只需要把已有的经验"换个对象"就行。

🔄

知识沉淀

退岗后Skills蒸馏，100%复用。