这两年 AI Agent 火得一塌糊涂。技术大会上 Demo 跑得飞起，台下看得热血沸腾，回去就跟老板汇报：咱们也上 Agent！然后呢？没有然后了。

WAIC 2026 上，一组数据被反复提及：95% 的 AI 项目未能转化为可持续生产能力，68% 的中小企业 AI 项目上线一年内停滞，43% 直接终止，每个失败项目的平均投入高达 189 万元（数据来源：MIT 2025 年《The GenAI Divide》报告）。同期 IDC 数据：90% 的企业 AI POC 无法通过生产验收。

问题出在哪？不是模型不够强。核心短板是上下文治理薄弱和运行时基础设施不匹配——AI 拿不到精准的业务上下文，跑在无状态的基础设施上，容器一重启就丢状态、成本失控。

Zadig 的答案：AI 任务

Zadig v5.0 在工作流任务列表里增加了一个新节点——AI 任务，面向社区免费开放。另外还配了两个开箱即用的企业版专用场景：AI 发布专员和 AI 审查专员。

Zadig 的核心是工作流引擎（代码提交 → 构建 → 测试 → 部署 → 发布）。“AI 任务”就是把 AI 能力做成工作流引擎里的一个普通节点。

配置 AI 任务

从任务栏选择 “AI 任务”节点添加工作流中，点开配置：

• 调用对象：选系统已配置的模型（DeepSeek、GPT 等），或填自定义 Agent 的 HTTP 地址

• 提示词：告诉 AI 要做什么。可插入内置变量 {{.project}}、{{.job.deploy.SERVICES}}、{{.job.deploy.envName}} 等，执行时自动替换

• 人工确认：默认开启，指定复核人

执行与结果

详情页展示状态（运行中/成功/失败/等待人工确认）、AI 返回结果、提示词原文。输出结果可通过 {{job.<jobName>.output.result}} 被后续任务引用。

实际场景

场景一：发布前置检查

发布前，SRE 要切四五个系统查日志、看监控、确认依赖状态，查一次 10-15 分钟，不同人标准还不一样。

在部署节点前加一个 AI 任务，提示词写：“检查三项：1）最近 1 小时错误日志异常增长；2）待部署服务 {{.job.deploy.SERVICES}} 依赖状态；3）数据库迁移状态。”

AI 自动查完汇总，值班人点“通过”或“驳回”。15 分钟变 3 分钟，标准统一了。

场景二：代码审查

GitLab 调研 1528 名开发者，85% 认为 AI 把瓶颈从写代码转移到了审代码。

PR 提交后触发工作流，AI 任务根据审查规则：“分析本次变更涉及的服务、配置、数据库改动，列出兼容性风险。” AI 把风险标出来，自动回写到 PR 评论区。审查者从“从头扫一遍”变成“看 AI 标的地方对不对”。

场景三：接入已有的 Agent

如果团队后续基于 DeepSeek Harness 等框架搭建了自己的 Agent，“调用对象”选“自定义 Agent”，填 HTTP 地址就行。工作流运行时调用外部 Agent，传上下文变量，结果可被后续任务引用。已有 Agent 不用重新开发。

这三个场景的共同点是：AI 查全、整理好，人做最终判断。 每次执行都有记录，出问题能倒查。

加入 Zadig AI 进化营

如果你把 Zadig AI 任务玩出了新花样——比如自研智能体场景、结合了更复杂的工具链、或者和现有的 CI 流程做了更深度的集成——欢迎来分享。你的经验，或许正是别人需要的灵感。

👉 扫码加入交流群（备注“AI”），一起探索 AI + Zadig 的无限可能。