SCN · 场景认知节点—— AI 深入企业业务的"第四态"
超兔不做会聊天的"虚拟员工"，也不做外挂的侧边栏助手。我们把 AI 作为认知节点嵌进确定性业务管线的关键分支点：由业务代码决定何时触发、喂什么上下文，由 AI 完成理解、归因与生成，再由人握住确认与决策。逻辑归 AI，共情归人。
任何足够先进的技术，看起来都很像魔法。——亚瑟·克拉克
发布时间：2026-08-25 13:55
在确定性管线中嵌入认知节点 —— 以"销售口述跟单"为例
AI 是"认知函数"，不是"对话者"。
Viewpoints
一句话总论：在企业软件里，AI 的价值不在"像人"，而在"懂业务"。以下四个判断，来自超兔自 2024 年底启动 AI 功能规划以来的实践与反思，构成了超兔 AI 能力体系的底层共识。
VIEW 01
凡是可标准化、可量化、可拆解的任务，终将由 AI 接管——逻辑、效率与标准化执行交给 AI；而共情、信任、判断与价值对齐，永远属于人。CRM 的终极本质是关系，关系 = 人文 + 信任。
源自 《逻辑已死，共情最贵》
VIEW 02
不造机器人（不让 AI 模仿人去思考和行动）、不做聊天框（不做需要用户主动点开的侧边栏助手）、不追求替代人。判断权、确认权、决策权，永远握在人手里。
VIEW 03
能用确定性算法解决的（聚合、计算、预警）绝不调大模型；只有需要理解、归因、生成的环节，才交给 LLM 认知节点。AI 是"认知函数"，不是"对话者"；业务代码当导演，AI 当专业顾问。
源自 《SCN 增强》系列
VIEW 04
不追发布会上的"AI 大脑"，先干掉最高频、最重复、最反人性的小事：录入、抄写、整理、填报。三个落地标准——高频度、反人性度、数据成熟度，价值验证周期短，一线感受最直接。
Embedding固态
位置：旁路嵌入
AI 藏在后台做检索增强，用户无感。价值难以归因，ROI 算不清—— Demo 好看，业务说不清。
Copilot液态
位置：外挂侧边栏
要改变一线的工作习惯，阻力大；需要用户"主动想起去点开"的助手，最后往往用不起来。
Agent气态
位置：接管业务流程
AI 自主规划执行，控制权过大、不可控。企业不敢上线、不敢用、不敢投——核心数据不敢交出去。
SCN第四态
位置：嵌入管线的关键分支点
AI 是"认知函数"，不是"对话者"。业务代码决定何时触发、喂什么上下文，结果回归确定性管线。可控、可验证、可落地。
Capability Map
从"开口说业务"到"复盘沉淀经验"，超兔 AI 能力按四层 + 延展区组织：执行层负责录入、策略层负责谋划、洞察层负责读数、沉淀层负责复用；延展区承载 MCP 与外部智能体等持续生长的连接能力。点击任意能力，直达对应详解。
把说出来的话、发来的图文，
自动变成结构化业务数据
AI 谋划下一步行动序列，
人做最终决定
从"看数字"到"读客户"，
30 秒形成可落地判断
每次赢单丢单都变成
可检索、可对比的经验
MCP 互通 + 外部智能体接入，
能力生态持续生长
Ideas & Principles
总论定方向，分论见场景。8 篇理念文章构成完整论述链：从 AI 时代 CRM 的底层哲学，到 SCN 架构与落地方法论，再到数据治理与具体功能方案。
AI 负责 CRM 的逻辑、效率与标准化执行；人类负责共情、信任、判断与价值对齐。OpenCRM 把业务系统从内控扩展到外联，客制化是对抗"算法平庸"的武器，人应成为 AI 的"牧星者"。
测试过几乎所有主流方案后，超兔选择 SCN：五层架构（触发→数据→认知→回写）、上下文组装流水线、三阶段实施路径。回应"不敢上线、不敢用、不敢投"的三个"不敢"。
Embedding、Copilot、Agent 三态之后，SCN 是第四态。三种工作模式：语言→结构、数据→结论、上下文→建议。五个核心特征里最关键的一条：AI 在"判断分支点"上，不在"主流程"上。
三个误区、三个"等"、三个"不"、三个落地标准。超兔的定位是"技术火种"：把新技术翻译成一线每天都能用的功能，先解决最高频、最反人性的小事。
从"客户刚出现"到"赢单丢单复盘"的完整链路。销售是决策者，AI 是全程助理：建档 30 秒、制单 1 分钟、复盘 AI 生成。第 8 步反哺第 5、6 步，形成执行飞轮。
选择性记录 + 古德哈特定律：存在性指标买不来代表性。取证四看、三层根因、四阶段重建——铁律是先让数据对录入者有用，再让数据对管理者有用。
录入的卡点从来不是系统，而是人性。一句话→自动分表→同音匹配→约 15 秒入库，从"人适应系统"变成"系统适应人"，守住数据质量四维度。
SN ≠ SKU ≠ 批次。SN 是把一件实物钉牢在系统里的那根钉子——出库强制选号、换货串号、流水反查。SN 不是用来记账的，是用来出事的。数据精确到单件，是 AI 读懂业务的地基。
不是 8 个独立 AI 功能的堆砌，而是数据贯通、结果反哺的一条链路。
Capabilities
每一项能力都遵循 SCN 模式：在确定性的业务流程里，让 AI 做"认知函数"，人握住确认权。以下功能均已上线，点击"查看说明书"跳转官方帮助文档（语雀）。
企业数据治理的第一道关卡 —— 无感合规录入
异构数据同构化 —— 多渠道询价，一键成单
生成前后衔接、互为铺垫的完整行动序列
从"看数字"到"读客户"，30 秒形成可落地判断
Extension & Connection
SCN 把认知节点嵌进业务管线，是对内的融合；MCP 与外部智能体把系统能力开放出去，是对外的融合。我们认为，这是 AI 能力实现的另一种形态——系统间的融合：超兔不把 AI 锁在自家页面里，而是用标准协议与开放接口，让能力在更大的生态中流动。
Model Context Protocol · 让外部平台"看懂"超兔
客户 · 商机 · 订单 · 回款
一体云全业务数据
标准化协议
双向连接
MCP 架构与基础能力均已实现：飞书、钉钉等外部应用平台，已可按 MCP 标准与超兔系统对接。
扣子（Coze）智能体 Bot · AI 工作流 Workflow
智能体与工作流均通过接口方式接入，嵌入客户视图、销售机会视图、项目视图等业务界面——把外部 AI 的推理与编排能力，接到超兔的业务上下文里。
因为有 MCP，所有支持 MCP 协议的外部 AI 工具，都可以用同样的方式与超兔系统对接——
典型延展场景：外部 AI 工具从超兔拿取业务数据、完成数据的二次分析等跨系统协作。这类应用还需要场景支撑与具象化延展，超兔正按场景逐个打磨落地。
延展区不是已泛化的开箱能力：MCP 架构与基础能力已经落地，外部智能体可通过接口接入；但面向更广生态工具的连接，还需要场景支撑与具象化的延展应用。超兔选择按场景逐个打磨，而不是一次性全面铺开。
企业数据是核心资产，相当一部分企业不希望数据被公开送到大模型。超兔的外部连接坚持受控开放：连接什么、开放哪些数据、给到什么粒度，都由企业按需决定——最小必要、按需开放，能力在流动，数据主权始终留在企业手里。
Always Evolving
这里没有终点，只有迭代。超兔对 AI 的理解与实践始终在向前——每一次理念沉淀，都会在这里呈现；每一项能力突破，都会在地图上点亮新的版图。